論文の概要: Towards LLM-enabled autonomous combustion research: A literature-aware agent for self-corrective modeling workflows

• arxiv url: http://arxiv.org/abs/2601.01357v1
• Date: Sun, 04 Jan 2026 04:00:28 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-06 16:25:22.248486
• Title: Towards LLM-enabled autonomous combustion research: A literature-aware agent for self-corrective modeling workflows
• Title（参考訳）: LLM対応自律燃焼研究に向けて:自己補正型モデリングワークフローのための文献認識エージェント
• Authors: Ke Xiao, Haoze Zhang, Runze Mao, Han Li, Zhi X. Chen,
• Abstract要約: FlamePilotは、自動および自己補正CFDによる燃焼モデリング研究を促進するように設計されている。 システムは、科学的な記事から学び、初期設定から最適化された結果までシミュレーションを導くための重要な情報を抽出することができる。 ケーススタディでは、FlamePilotが研究論文を自動で構成されたシミュレーションに変換し、シミュレーションを実行し、結果を後処理し、エビデンスに基づく改善を提案し、収束のために多段階のパラメータスタディを管理した。
• 参考スコア（独自算出の注目度）: 9.40063486755374
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The rapid evolution of large language models (LLMs) is transforming artificial intelligence into autonomous research partners, yet a critical gap persists in complex scientific domains such as combustion modeling. Here, practical AI assistance requires the seamless integration of domain literature knowledge with robust execution capabilities for expertise-intensive tools such as computational fluid dynamics (CFD) codes. To bridge this gap, we introduce FlamePilot, an LLM agent designed to empower combustion modeling research through automated and self-corrective CFD workflows. FlamePilot differentiates itself through an architecture that leverages atomic tools to ensure the robust setup and execution of complex simulations in both OpenFOAM and extended frameworks such as DeepFlame. The system is also capable of learning from scientific articles, extracting key information to guide the simulation from initial setup to optimized results. Validation on a public benchmark shows FlamePilot achieved a perfect 1.0 executability score and a 0.438 success rate, surpassing the prior best reported agent scores of 0.625 and 0.250, respectively. Furthermore, a detailed case study on Moderate or Intense Low-oxygen Dilution (MILD) combustion simulation demonstrates its efficacy as a collaborative research copilot, where FlamePilot autonomously translated a research paper into a configured simulation, conducted the simulation, post-processed the results, proposed evidence-based refinements, and managed a multi-step parameter study to convergence under minimal human intervention. By adopting a transparent and interpretable paradigm, FlamePilot establishes a foundational framework for AI-empowered combustion modeling, fostering a collaborative partnership where the agent manages workflow orchestration, freeing the researcher for high-level analysis.
• Abstract（参考訳）: 大規模言語モデル(LLM)の急速な進化は、人工知能を自律的な研究パートナーに変えつつあるが、燃焼モデリングのような複雑な科学領域では重大なギャップが持続している。 ここでは、実用的なAIアシストは、計算流体力学(CFD)コードのような専門知識集約的なツールに対して、ドメイン文献知識と堅牢な実行能力とをシームレスに統合する必要がある。 このギャップを埋めるために,自動および自己補正CFDワークフローによる燃焼モデリング研究を支援するLLMエージェントであるFlamPilotを紹介する。 FlamePilotは、OpenFOAMとDeepFlameのような拡張フレームワークの両方において、複雑なシミュレーションの堅牢なセットアップと実行を保証するために、アトミックツールを活用するアーキテクチャを通じて、自分自身を差別化している。 このシステムは、科学的な記事から学び、初期設定から最適化された結果までシミュレーションを導くための重要な情報を抽出する。 公開ベンチマークの検証では、FlamePilotは完全な1.0実行可能性スコアと0.438成功率を達成し、それぞれ0.625と0.250を上回りました。 さらに、MILD(Moderrate or Intense Low-oxygen Dilution)燃焼シミュレーションの詳細なケーススタディでは、FlamePilotが研究論文を自動で構成されたシミュレーションに変換し、シミュレーションを実行し、結果を後処理し、エビデンスベースの改善を提案し、最小限の人間の介入の下で収束させるための多段階パラメータ研究を管理した。 透過的で解釈可能なパラダイムを採用することで、FlamePilotはAIを動力とする燃焼モデリングの基盤となるフレームワークを確立し、エージェントがワークフローオーケストレーションを管理し、研究者を高レベルな分析に解放するコラボレーションを促進する。

関連論文リスト

• An Agentic Framework for Autonomous Materials Computation [70.24472585135929]
  大規模言語モデル(LLM)は、科学的発見を加速するための強力なツールとして登場した。 近年の進歩はLLMをエージェントフレームワークに統合し、複雑な科学実験のための検索、推論、ツールの使用を可能にしている。 本稿では,第一原理計算の信頼性向上を目的としたドメイン特化エージェントを提案する。
  論文  参考訳（メタデータ） (2025-12-22T15:03:57Z)
• Surrogate Modeling and Explainable Artificial Intelligence for Complex Systems: A Workflow for Automated Simulation Exploration [0.9236873716369859]
  複雑なシステムは、シミュレーション駆動工学によってますます研究されている。 1) 正確な探索には多くの高価なシミュレーターが必要であり、(2) 決定が不透明なブラックボックスコンポーネントに依存する場合の透明性と信頼性が制限されている。 本研究では, 軽量エミュレータを高速かつ低遅延で高価なシミュレータの近似を提供し, (ii) 厳密な不確実性定量化を実現し, (iii) グローバルおよびローカルな説明可能な人工知能 (XAI) 解析に適応させる, 実験のコンパクトな設計について, 両課題に対処するワークフローを提案する。
  論文  参考訳（メタデータ） (2025-10-19T07:55:52Z)
• Automated Machine Learning Pipeline for Training and Analysis Using Large Language Models [0.0]
  データセット生成からモデル検証まで、ワークフロー全体を統一する自動機械学習パイプライン(AMLP)を導入します。 AMLPは、電子構造コードの選択、入力準備、出力変換を支援するために、大きな言語モデルエージェントを使用する。 アクリジンのポリモルフィックで検証され、基礎モデルの素直な微調整により、エネルギーの1.7 meV/原子と力の7.0 meV/AAの絶対誤差が達成される。
  論文  参考訳（メタデータ） (2025-09-25T22:05:20Z)
• EpidemIQs: Prompt-to-Paper LLM Agents for Epidemic Modeling and Analysis [0.0]
  大規模言語モデル(LLM)は、複雑な学際研究を自動化する新しい機会を提供する。 EpidemIQsは、ユーザ入力を統合し、文献のレビュー、分析的導出、ネットワークモデリング、シミュレーションの呼び出し、データの可視化と分析、そして最後に構造化された原稿での発見の文書化を行う、新しいマルチエージェントLCMフレームワークである。 我々は、計算コスト、完成率、AIおよび生成されたレポートの人間専門家レビューを測定する様々なシナリオにおいて、エピデムIQを評価した。
  論文  参考訳（メタデータ） (2025-09-24T18:54:56Z)
• DSMoE: Matrix-Partitioned Experts with Dynamic Routing for Computation-Efficient Dense LLMs [86.76714527437383]
  本稿では,事前学習したFFN層を計算ブロックに分割することで,分散化を実現するDSMoEを提案する。 我々は,Sigmoid アクティベーションとストレートスルー推定器を用いた適応型エキスパートルーティングを実装し,トークンがモデル知識の様々な側面に柔軟にアクセスできるようにする。 LLaMAモデルを用いた実験により、DSMoEは既存のプルーニング法やMoE法に比べて優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2025-02-18T02:37:26Z)
• LLM Agent for Fire Dynamics Simulations [3.0031348283981987]
  FoamPilotはFireFOAMのユーザビリティを高めるために設計された概念実証エージェントである。 FireFOAM は OpenFOAM を用いて構築された火災力学と火災抑制シミュレーションの解法である。 FoamPilotは、コードインサイト、ケース構成、シミュレーション評価の3つのコア機能を提供する。
  論文  参考訳（メタデータ） (2024-12-22T20:03:35Z)
• Deep Bayesian Active Learning for Accelerating Stochastic Simulation [74.58219903138301]
  Interactive Neural Process(INP)は、シミュレーションとアクティブな学習アプローチのためのディープラーニングフレームワークである。 能動的学習のために,NPベースモデルの潜時空間で計算された新しい取得関数Latent Information Gain (LIG)を提案する。 その結果,STNPは学習環境のベースラインを上回り,LIGは能動学習の最先端を達成していることがわかった。
  論文  参考訳（メタデータ） (2021-06-05T01:31:51Z)
• Learning Discrete Energy-based Models via Auxiliary-variable Local Exploration [130.89746032163106]
  離散構造データに対する条件付きおよび非条件付きEMMを学習するための新しいアルゴリズムであるALOEを提案する。 エネルギー関数とサンプリング器は、新しい変分型電力繰り返しにより効率よく訓練できることを示す。 本稿では、ソフトウェアテストのためのエネルギーモデルガイド付ファジィザについて、libfuzzerのようなよく設計されたファジィエンジンに匹敵する性能を実現する。
  論文  参考訳（メタデータ） (2020-11-10T19:31:29Z)

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。