論文の概要: A Multidisciplinary Design and Optimization (MDO) Agent Driven by Large Language Models
- arxiv url: http://arxiv.org/abs/2511.17511v1
- Date: Mon, 06 Oct 2025 01:26:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-07 19:06:32.233564
- Title: A Multidisciplinary Design and Optimization (MDO) Agent Driven by Large Language Models
- Title（参考訳）: 大規模言語モデルによるマルチディシプリナ設計と最適化(MDO)エージェント
- Authors: Bingkun Guo, Wentian Li, Xiaojian Liu, Jiaqi Luo, Zibin Yu, Dalong Dong, Shuyou Zhang, Yiming Zhang,
- Abstract要約: 大規模言語モデル(LLM)によって駆動されるマルチディシプリナ・デザイン・最適化(MDO)エージェントを提案する。
エージェントは、(i)自然言語駆動パラメトリックモデリング、(ii)知識基底概念化のための検索拡張生成(RAG)、(iii)パフォーマンス検証と最適化のためのエンジニアリングソフトウェアのインテリジェントなオーケストレーションという3つのコア機能を編成することで、エンドツーエンドのワークフローを半自動化する。
- 参考スコア（独自算出の注目度）: 7.509742996975501
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: To accelerate mechanical design and enhance design quality and innovation, we present a Multidisciplinary Design and Optimization (MDO) Agent driven by Large Language Models (LLMs). The agent semi-automates the end-to-end workflow by orchestrating three core capabilities: (i) natural-language-driven parametric modeling, (ii) retrieval-augmented generation (RAG) for knowledge-grounded conceptualization, and (iii) intelligent orchestration of engineering software for performance verification and optimization. Working in tandem, these capabilities interpret high-level, unstructured intent, translate it into structured design representations, automatically construct parametric 3D CAD models, generate reliable concept variants using external knowledge bases, and conduct evaluation with iterative optimization via tool calls such as finite-element analysis (FEA). Validation on three representative cases - a gas-turbine blade, a machine-tool column, and a fractal heat sink - shows that the agent completes the pipeline from natural-language intent to verified and optimized designs with reduced manual scripting and setup effort, while promoting innovative design exploration. This work points to a practical path toward human-AI collaborative mechanical engineering and lays a foundation for more dependable, vertically customized MDO systems.
- Abstract（参考訳）: 機械設計を高速化し,設計品質と革新性を向上させるため,大規模言語モデル(LLM)によって駆動される多分野設計・最適化エージェント(MDO)を提案する。
エージェントは3つのコア機能をオーケストレーションすることで、エンドツーエンドのワークフローを半自動化する。
(i)自然言語駆動パラメトリックモデリング
(II)知識基盤概念化のための検索強化世代(RAG)及び
三 性能検証及び最適化のためのエンジニアリングソフトウェアのインテリジェントなオーケストレーション。
これらの機能は高レベルかつ非構造的な意図を解釈し、構造化された設計表現に変換し、パラメトリックな3DCADモデルを自動的に構築し、外部知識ベースを使用して信頼性の高い概念変種を生成し、有限要素解析(FEA)などのツールコールを介して反復最適化により評価を行う。
ガスタービンブレード、機械ツールコラム、フラクタルヒートシンクの3つの代表的な事例の検証は、エージェントが自然言語の意図からパイプラインを完了し、手動のスクリプティングとセットアップの労力を削減し、革新的な設計探索を推進していることを示している。
この研究は、人間とAIの協調機械工学への実践的な道を示し、より信頼性が高く、垂直にカスタマイズされたMDOシステムの基礎を築き上げている。
関連論文リスト
- TIGeR: Tool-Integrated Geometric Reasoning in Vision-Language Models for Robotics [53.442362491589726]
本稿では、視覚言語モデル(VLM)を幾何学コンピュータに変換する新しいフレームワークであるTIGeR(Tool-Integrated Geometric Reasoning)を提案する。
TIGeRは、ニューラルネットワーク内で複雑な幾何学的操作を内部化しようとするのではなく、幾何学的推論要求を認識するためにモデルに権限を与える。
TIGeRは、実世界のロボット操作タスクにおいて、センチメートルレベルの精度を示しながら、幾何学的推論ベンチマーク上でSOTA性能を達成することを示す。
論文 参考訳（メタデータ） (2025-10-08T16:20:23Z) - Feedback-Driven Tool-Use Improvements in Large Language Models via Automated Build Environments [70.42705564227548]
大規模言語モデル(LLM)のための環境自動構築パイプラインを提案する。
これにより、外部ツールに頼ることなく、詳細な測定可能なフィードバックを提供する高品質なトレーニング環境の作成が可能になる。
また、ツール使用の精度とタスク実行の完全性の両方を評価する検証可能な報酬機構も導入する。
論文 参考訳（メタデータ） (2025-08-12T09:45:19Z) - An Agentic Framework for Autonomous Metamaterial Modeling and Inverse Design [2.66269503676104]
フォトニックメタマテリアルの逆設計のためのフレームワークを開発し,実証する。
フレームワークの有効性は、自動化、推論、計画、適応の能力で実証されている。
特に、Agenic Frameworkは内部のリフレクションと決定の柔軟性を持ち、高度に多様性があり、潜在的に新しい出力を可能にする。
論文 参考訳（メタデータ） (2025-06-07T22:10:05Z) - An LLM-enabled Multi-Agent Autonomous Mechatronics Design Framework [49.633199780510864]
本研究は, 機械設計, 最適化, エレクトロニクス, ソフトウェア工学の専門知識を統合した多エージェント自律メカトロニクス設計フレームワークを提案する。
このフレームワークは、言語駆動のワークフローを通じて運用され、構造化された人間のフィードバックを組み込んで、現実世界の制約下での堅牢なパフォーマンスを保証する。
完全に機能する自律型容器は、最適化された推進、コスト効率の高い電子機器、高度な制御を備えていた。
論文 参考訳（メタデータ） (2025-04-20T16:57:45Z) - AI Agents in Engineering Design: A Multi-Agent Framework for Aesthetic and Aerodynamic Car Design [24.258618104493532]
本稿では,工学的応用,特に自動車設計プロセスに焦点をあてた「設計エージェント」の概念を紹介する。
私たちのフレームワークは、AI駆動設計エージェントを従来のエンジニアリングワークフローに統合し、創造性を高め、効率を高め、全体的な設計サイクルを大幅に加速します。
論文 参考訳（メタデータ） (2025-03-30T04:57:17Z) - Cliqueformer: Model-Based Optimization with Structured Transformers [102.55764949282906]
大規模なニューラルネットワークは予測タスクに優れるが、タンパク質工学や材料発見といった設計問題への応用には、オフラインモデルベース最適化(MBO)の問題を解決する必要がある。
機能的グラフィカルモデル(FGM)を用いてブラックボックス関数の構造を学習するトランスフォーマーベースのアーキテクチャであるCliqueformerを提案する。
化学および遺伝子設計タスクを含む様々な領域において、Cliqueformerは既存の方法よりも優れた性能を示している。
論文 参考訳（メタデータ） (2024-10-17T00:35:47Z) - Large Language Model Agent as a Mechanical Designer [7.136205674624813]
本研究では、FEMモジュールと協調して事前訓練された大規模言語モデル(LLM)を利用して、構造設計を自律的に生成、評価、洗練するフレームワークを提案する。
LLMはドメイン固有の微調整なしで動作し、設計候補を提案し、FEMから派生した性能指標を解釈し、構造的な音響修正を適用する。
NSGA-II (Non-Sorting Genetic Algorithm II) と比較して,本手法はより高速に収束し,より少ないFEM評価を実現する。
論文 参考訳（メタデータ） (2024-04-26T16:41:24Z) - Large Language and Text-to-3D Models for Engineering Design Optimization [0.1740313383876245]
工学領域における深層テキストから3Dモデルの可能性について検討する。
空力車両最適化の文脈において,OpenAIによるテキスト・ツー・3Dアセット・ネットワークであるShap-Eを用いる。
論文 参考訳（メタデータ） (2023-07-03T07:54:09Z) - Design Space Exploration and Explanation via Conditional Variational
Autoencoders in Meta-model-based Conceptual Design of Pedestrian Bridges [52.77024349608834]
本稿では,条件付き変分オートエンコーダ(CVAE)による人間設計者向上のための性能駆動型設計探索フレームワークを提案する。
CVAEはスイスの歩行者橋の合成例18万件で訓練されている。
論文 参考訳（メタデータ） (2022-11-29T17:28:31Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。