論文の概要: PDE-Agent: A toolchain-augmented multi-agent framework for PDE solving

• arxiv url: http://arxiv.org/abs/2512.16214v1
• Date: Thu, 18 Dec 2025 06:02:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-19 18:10:31.936489
• Title: PDE-Agent: A toolchain-augmented multi-agent framework for PDE solving
• Title（参考訳）: PDE-Agent: PDE問題解決のためのツールチェーン強化マルチエージェントフレームワーク
• Authors: Jianming Liu, Ren Zhu, Jian Xu, Kun Ding, Xu-Yao Zhang, Gaofeng Meng, Cheng-Lin Liu,
• Abstract要約: 偏微分方程式 (Partial Differential Equations, PDE) は、工学と科学研究の基盤である。 PDE解決の従来の手法は、手作業のセットアップとドメインの専門知識に依存するため、煩雑である。 本研究では, PDE を LLM 駆動エージェントによるツール呼び出しとして扱う。 PDE-Agentはツールチェーンで拡張された最初の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す。
• 参考スコア（独自算出の注目度）: 50.54386756067269
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Solving Partial Differential Equations (PDEs) is a cornerstone of engineering and scientific research. Traditional methods for PDE solving are cumbersome, relying on manual setup and domain expertise. While Physics-Informed Neural Network (PINNs) introduced end-to-end neural network-based solutions, and frameworks like DeepXDE further enhanced automation, these approaches still depend on expert knowledge and lack full autonomy. In this work, we frame PDE solving as tool invocation via LLM-driven agents and introduce PDE-Agent, the first toolchain-augmented multi-agent collaboration framework, inheriting the reasoning capacity of LLMs and the controllability of external tools and enabling automated PDE solving from natural language descriptions. PDE-Agent leverages the strengths of multi-agent and multi-tool collaboration through two key innovations: (1) A Prog-Act framework with graph memory for multi-agent collaboration, which enables effective dynamic planning and error correction via dual-loop mechanisms (localized fixes and global revisions). (2) A Resource-Pool integrated with a tool-parameter separation mechanism for multi-tool collaboration. This centralizes the management of runtime artifacts and resolves inter-tool dependency gaps in existing frameworks. To validate and evaluate this new paradigm for PDE solving , we develop PDE-Bench, a multi-type PDE Benchmark for agent-based tool collaborative solving, and propose multi-level metrics for assessing tool coordination. Evaluations verify that PDE-Agent exhibits superior applicability and performance in complex multi-step, cross-step dependent tasks. This new paradigm of toolchain-augmented multi-agent PDE solving will further advance future developments in automated scientific computing. Our source code and dataset will be made publicly available.
• Abstract（参考訳）: 偏微分方程式 (Partial Differential Equations, PDE) は、工学と科学研究の基盤である。 PDE解決の従来の手法は、手作業のセットアップとドメインの専門知識に依存するため、煩雑である。 Physics-Informed Neural Network (PINN)はエンドツーエンドのニューラルネットワークベースのソリューションを導入し、DeepXDEのようなフレームワークは自動化をさらに強化した。 本研究では, PDE の解法を LLM によるエージェントによるツール呼び出しとして, PDE-Agent を導入し, LLM の推論能力と外部ツールの制御性を継承し, 自然言語記述から PDE の自動解法を実現する。 PDE-Agentは、2つの重要な革新を通じて、マルチエージェントとマルチツールのコラボレーションの強みを活用している。(1) マルチエージェントコラボレーションのためのグラフメモリを備えたProg-Actフレームワークで、デュアルループ機構(局所的な修正とグローバルリビジョン)による効果的な動的計画とエラー修正を可能にする。 2)マルチツールコラボレーションのためのツールパラメータ分離機構を統合したリソースプール。 これにより、ランタイムアーティファクトの管理を集中化し、既存のフレームワークにおけるツール間の依存性ギャップを解決する。 PDE解決のための新しいパラダイムを検証・評価するために,エージェントベースツール協調問題解決のための多型PDEベンチマークであるPDE-Benchを開発し,ツールコーディネーションを評価するためのマルチレベルメトリクスを提案する。 PDE-Agentは、複雑な多段階のクロスステップ依存タスクにおいて、優れた適用性と性能を示す。 このツールチェーン強化多エージェントPDE解決の新たなパラダイムは、自動化科学コンピューティングのさらなる発展をもたらすだろう。 ソースコードとデータセットを公開します。

関連論文リスト

• CodePDE: An Inference Framework for LLM-driven PDE Solver Generation [57.15474515982337]
  偏微分方程式(PDE)は物理系のモデリングの基本である。 従来の数値解法は専門家の知識に頼って実装し、計算コストがかかる。 大規模言語モデルを用いてPDEソルバを生成するための最初の推論フレームワークであるCodePDEを紹介する。
  論文  参考訳（メタデータ） (2025-05-13T17:58:08Z)
• PDE-Controller: LLMs for Autoformalization and Reasoning of PDEs [16.01754287623487]
  偏微分方程式(PDE)によって制御されるシステムを制御するためのフレームワークであるPDE-Controllerを提案する。 提案手法により,LLMは非公式な自然言語命令を形式仕様に変換し,PDE制御の実用性を改善するための推論と計画手順を実行することができる。 私たちのPDE-Controllerは、推論、オートフォーマル化、プログラム合成において、最新のオープンソースおよびGPTモデルよりも大幅に優れています。
  論文  参考訳（メタデータ） (2025-02-03T00:03:41Z)
• Unisolver: PDE-Conditional Transformers Towards Universal Neural PDE Solvers [53.79279286773326]
  我々は、多様なデータに基づいて訓練され、多様なPDEで条件付けされた新しいトランスフォーマーモデルUnisolverを提案する。 Unisolverは3つの挑戦的な大規模ベンチマークで一貫した最先端を実現し、優れたパフォーマンスと一般化性を示している。
  論文  参考訳（メタデータ） (2024-05-27T15:34:35Z)
• UPS: Efficiently Building Foundation Models for PDE Solving via Cross-Modal Adaptation [25.063470461409686]
  UPSは異なるPDEを共有表現空間に埋め込み、F変換アーキテクチャを用いてそれらを処理する。 クロスモーダルUPSは、PDEBenchから1Dと2DのPDEファミリを幅広く利用し、データ転送の4倍、計算の26倍の精度で既存の統一モデルより優れている。
  論文  参考訳（メタデータ） (2024-03-11T22:00:39Z)

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。