論文の概要: CFD-copilot: leveraging domain-adapted large language model and model context protocol to enhance simulation automation

• arxiv url: http://arxiv.org/abs/2512.07917v1
• Date: Mon, 08 Dec 2025 11:42:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-10 22:28:07.679773
• Title: CFD-copilot: leveraging domain-adapted large language model and model context protocol to enhance simulation automation
• Title（参考訳）: CFD-copilot: ドメイン適応型大規模言語モデルとモデルコンテキストプロトコルを活用したシミュレーション自動化
• Authors: Zhehao Dong, Shanghai Du, Zhen Lu, Yue Yang,
• Abstract要約: CFD-copilotは、セットアップから後処理までの自然言語駆動CFDシミュレーションを容易にするために設計されたフレームワークである。 後処理では、外部ツールの実行からLCM推論を分離するオープンスタンダードであるMCP(Model context Protocol)を利用する。 この枠組みはNACA0012翼と3要素30P-30N翼を含むベンチマークで評価された。
• 参考スコア（独自算出の注目度）: 6.71937346130764
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Configuring computational fluid dynamics (CFD) simulations requires significant expertise in physics modeling and numerical methods, posing a barrier to non-specialists. Although automating scientific tasks with large language models (LLMs) has attracted attention, applying them to the complete, end-to-end CFD workflow remains a challenge due to its stringent domain-specific requirements. We introduce CFD-copilot, a domain-specialized LLM framework designed to facilitate natural language-driven CFD simulation from setup to post-processing. The framework employs a fine-tuned LLM to directly translate user descriptions into executable CFD setups. A multi-agent system integrates the LLM with simulation execution, automatic error correction, and result analysis. For post-processing, the framework utilizes the model context protocol (MCP), an open standard that decouples LLM reasoning from external tool execution. This modular design allows the LLM to interact with numerous specialized post-processing functions through a unified and scalable interface, improving the automation of data extraction and analysis. The framework was evaluated on benchmarks including the NACA~0012 airfoil and the three-element 30P-30N airfoil. The results indicate that domain-specific adaptation and the incorporation of the MCP jointly enhance the reliability and efficiency of LLM-driven engineering workflows.
• Abstract（参考訳）: 計算流体力学(CFD)のシミュレーションを構成するには、物理モデリングと数値計算の専門知識が必要であり、非特殊主義者にとって障壁となる。 大規模言語モデル(LLM)による科学的タスクの自動化は注目されているが、ドメイン固有の要求が厳しいため、完全なエンドツーエンドCFDワークフローに適用することは依然として課題である。 提案するCFD-copilotは,自然言語によるCFDシミュレーションを,セットアップから後処理まで容易に行えるように設計したドメイン特化LDMフレームワークである。 このフレームワークは、ユーザ記述を直接実行可能なCFDセットアップに変換するために、微調整のLLMを使用している。 マルチエージェントシステムは、シミュレーション実行、自動エラー修正、結果解析とLLMを統合している。 後処理では、外部ツールの実行からLCM推論を分離するオープンスタンダードであるMCP(Model context Protocol)を利用する。 このモジュール設計により、LLMは統一的でスケーラブルなインターフェースを通じて、多数の特別な後処理機能と対話し、データ抽出と解析の自動化を改善することができる。 この枠組みはNACA~0012翼と3要素30P-30N翼を含むベンチマークで評価された。 その結果、ドメイン固有の適応とMPPの導入により、LLM駆動エンジニアリングワークフローの信頼性と効率が向上することが示唆された。

関連論文リスト

• Sample-Efficient Online Learning in LM Agents via Hindsight Trajectory Rewriting [92.57796055887995]
  本稿では,言語モデルエージェントの強化学習から後視体験のリプレイに適応するプロンプトフレームワークECHOを紹介する。 ECHOは失敗した試みで達成できた代替目標のために最適化された軌道を生成する。 我々は、テキストベースのナビゲーションと計画ベンチマークであるXMiniGridのステートフルバージョンと、協調的な情報収集企業シミュレーションであるPeopleJoinQAについて、ECHOを評価した。
  論文  参考訳（メタデータ） (2025-10-11T18:11:09Z)
• CFDLLMBench: A Benchmark Suite for Evaluating Large Language Models in Computational Fluid Dynamics [13.16419723805434]
  LLM(Large Language Models)は、一般的なNLPタスクに対して強力な性能を示すが、複雑な物理系の数値実験の自動化におけるその有用性は未解明のままである。 CFDLLMBenchは,大学院レベルのCFD知識,CFDの数値的および物理的推論,CFDの文脈依存的な実装という,3つの主要な能力にまたがるLCM性能を総合的に評価するためのベンチマークスイートである。
  論文  参考訳（メタデータ） (2025-09-19T22:21:26Z)
• Fine-tuning a Large Language Model for Automating Computational Fluid Dynamics Simulations [11.902947290205645]
  大規模言語モデル(LLM)は高度な科学計算を持ち、CFDでの使用は自動化されている。 ドメイン固有LLM適応に着目した新しいアプローチを提案する。 マルチエージェントフレームワークはプロセスをオーケストレーションし、入力を自律的に検証し、構成を生成し、シミュレーションを実行し、エラーを修正する。
  論文  参考訳（メタデータ） (2025-04-13T14:35:30Z)
• MAPS: Advancing Multi-Modal Reasoning in Expert-Level Physical Science [62.96434290874878]
  現在のMLLM(Multi-Modal Large Language Models)は、一般的な視覚的推論タスクにおいて強力な機能を示している。 我々は,MLLMに基づく物理知覚とシミュレーションによるマルチモーダル科学推論(MAPS)という新しいフレームワークを開発した。 MAPSは、専門家レベルのマルチモーダル推論タスクを物理的知覚モデル(PPM)を介して物理図理解に分解し、シミュレータを介して物理的知識で推論する。
  論文  参考訳（メタデータ） (2025-01-18T13:54:00Z)
• LLaVA-KD: A Framework of Distilling Multimodal Large Language Models [72.68665884790002]
  本稿では,l-MLLMからs-MLLMへ知識を伝達する新しいフレームワークを提案する。 本稿では,教師モデルの頑健な表現を視覚的,言語的両面で伝達するために,MDist(Multimodal Distillation)を導入する。 また,提案した蒸留戦略の可能性をフル活用するための3段階学習手法を提案する。
  論文  参考訳（メタデータ） (2024-10-21T17:41:28Z)
• MetaOpenFOAM: an LLM-based multi-agent framework for CFD [11.508919041921942]
  MetaOpenFOAMは、新しいマルチエージェントコラボレーションフレームワークである。 入力として自然言語のみを用いてCFDシミュレーションタスクを完了することを目的としている。 MetaGPTのアセンブリラインパラダイムのパワーを利用する。
  論文  参考訳（メタデータ） (2024-07-31T04:01:08Z)
• FederatedScope-LLM: A Comprehensive Package for Fine-tuning Large Language Models in Federated Learning [70.38817963253034]
  本稿では, ファインチューニング LLM のこれらの課題について論じ, 本パッケージ FS-LLM を主な貢献として紹介する。 我々は、FLシナリオにおける将来の拡張のために、包括的フェデレーションパラメータ効率の良い微調整アルゴリズムの実装と汎用プログラミングインタフェースを提供する。 本研究では, FS-LLM の有効性を検証し, FL 設定におけるパラメータ効率の高いパラメータ調整アルゴリズムを用いて, 高度な LLM のベンチマークを行う。
  論文  参考訳（メタデータ） (2023-09-01T09:40:36Z)
• In Situ Framework for Coupling Simulation and Machine Learning with Application to CFD [51.04126395480625]
  近年、流体力学計算を容易にする機械学習(ML)の多くの成功例が報告されている。 シミュレーションが大きくなるにつれて、従来のオフライン学習のための新しいトレーニングデータセットの生成は、I/Oとストレージのボトルネックを生み出します。 この作業は、この結合を単純化し、異種クラスタでのその場トレーニングと推論を可能にするソリューションを提供する。
  論文  参考訳（メタデータ） (2023-06-22T14:07:54Z)

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。