論文の概要: Context is all you need: Towards autonomous model-based process design using agentic AI in flowsheet simulations
- arxiv url: http://arxiv.org/abs/2603.12813v1
- Date: Fri, 13 Mar 2026 09:13:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-16 17:38:12.012168
- Title: Context is all you need: Towards autonomous model-based process design using agentic AI in flowsheet simulations
- Title（参考訳）: フローシートシミュレーションにおけるエージェントAIを用いた自律型モデルベースプロセス設計を目指して
- Authors: Pascal Schäfer, Lukas J. Krinke, Martin Wlotzka, Norbert Asprion,
- Abstract要約: 本稿では,産業用フローシートシミュレーション環境における支援を行うエージェントAIフレームワークを提案する。
我々は,プロセス開発タスクを,工学知識を用いて抽象的な問題を解くエージェントと,Chemasimコードとしてソリューションを実装するエージェントとで分解するマルチエージェントシステムの開発を行う。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Agentic AI systems integrating large language models (LLMs) with reasoning and tooluse capabilities are transforming various domains - in particular, software development. In contrast, their application in chemical process flowsheet modelling remains largely unexplored. In this work, we present an agentic AI framework that delivers assistance in an industrial flowsheet simulation environment. To this end, we show the capabilities of GitHub Copilot (GitHub, Inc., 2026), when using state-of-the-art LLMs, such as Claude Opus 4.6 (Anthropic, PBC, 2026), to generate valid syntax for our in-house process modelling tool Chemasim using the technical documentation and a few commented examples as context. Based on this, we develop a multi-agent system that decomposes process development tasks with one agent solving the abstract problem using engineering knowledge and another agent implementing the solution as Chemasim code. We demonstrate the effectiveness of our framework for typical flowsheet modelling examples, including (i) a reaction/separation process, (ii) a pressure-swing distillation, and (iii) a heteroazeotropic distillation including entrainer selection. Along these lines, we discuss current limitations of the framework and outline future research directions to further enhance its capabilities.
- Abstract（参考訳）: 大規模言語モデル(LLM)と推論とツール機能を統合するエージェントAIシステムは、さまざまなドメイン、特にソフトウェア開発を変革している。
対照的に、化学プロセスのフローシートモデリングにおけるそれらの応用は、ほとんど未解明のままである。
本研究では,産業用フローシートシミュレーション環境における支援を行うエージェント型AIフレームワークを提案する。
この目的のために、GitHub Copilot(GitHub, Inc., 2026)の、Claude Opus 4.6(Anthropic, PBC, 2026)のような最先端のLLMを使用して、技術的なドキュメントと、コンテキストとしてコメントされたいくつかの例を使用して、社内プロセスモデリングツールChemasimの有効な構文を生成する機能を紹介します。
そこで我々は,プロセス開発タスクを,工学的知識を用いて抽象的な問題を解くエージェントと,Chemasimコードとしてソリューションを実装するエージェントとで分解するマルチエージェントシステムを開発した。
典型的なフローシートモデリング例におけるフレームワークの有効性を実証する。
(i)反応・分離過程
(二)加圧蒸留、及び
三 エントレーナーの選択を含むヘテロアゼオトロピー蒸留
これらの線に沿って,フレームワークの現在の限界について論じ,今後の研究の方向性を概説し,さらなる能力向上を図っている。
関連論文リスト
- Agentic Artificial Intelligence (AI): Architectures, Taxonomies, and Evaluation of Large Language Model Agents [14.448267395835721]
エージェントを知覚,脳,計画,行動,ツール利用,コラボレーションに分割する統合分類法を提案する。
また、デジタルオペレーティングシステム、エンボディロボット、その他の特殊なドメインを含む、これらのエージェントが動作する環境もグループ化します。
論文 参考訳（メタデータ） (2026-01-18T19:51:16Z) - ABC-Bench: Benchmarking Agentic Backend Coding in Real-World Development [72.4729759618632]
本稿では,現実的かつ実行可能なワークフロー内でエージェントバックエンドコーディングを評価するベンチマークであるABC-Benchを紹介する。
オープンソースリポジトリから8つの言語と19のフレームワークにまたがる224の実践的なタスクをキュレートしました。
我々の評価は、最先端モデルでさえ、これらの総合的なタスクに対して信頼性の高いパフォーマンスを提供するのに苦労していることを示している。
論文 参考訳（メタデータ） (2026-01-16T08:23:52Z) - Large Language Model Agent for User-friendly Chemical Process Simulations [0.0]
大規模言語モデル (LLM) エージェントは AVEVA Process Model Protocol (MCP) と統合され、自然言語のシミュレーションを可能にする。
2つのケーススタディは、異なるタスクの複雑さと相互作用モードにわたるフレームワークを評価する。
このフレームワークは、技術的な概念の翻訳と実証によって教育目的と、データ抽出の自動化、ルーチンタスクの高速化、サポートによって経験豊富な実践者の両方に役立ちます。
オーバーシンプル化、計算エラー、技術的ヒックアップといった現在の制限は専門家の監視を必要とするが、このフレームワークはLSMベースのエージェントが貴重な協力者になれることを示唆している。
論文 参考訳（メタデータ） (2026-01-15T12:18:45Z) - From Text to Simulation: A Multi-Agent LLM Workflow for Automated Chemical Process Design [21.90369595664683]
本稿では,化学プロセスシミュレーションソフトウェアとの反復的な相互作用を可能にする,新しいマルチエージェントワークフローを提案する。
提案手法では,タスク理解,トポロジ生成,パラメータ設定,評価分析を担当する4つの特殊エージェントを統合する。
提案手法は,最先端のベースラインと比較してシミュレーション収束率を31.1%向上させ,設計時間を89.0%削減する。
論文 参考訳（メタデータ） (2026-01-11T04:41:57Z) - Monadic Context Engineering [59.95390010097654]
本稿では,エージェント設計の正式な基盤を提供するために,モナディックコンテキストエンジニアリング(MCE)を紹介する。
我々は、モナドがロバストなコンポジションをどのように実現し、Applicativesが並列実行に原則化された構造を提供し、また、モナドトランスフォーマーがこれらの機能の体系的なコンポジションをどのように可能にしているかを実証する。
この階層化されたアプローチにより、開発者は、単純で独立した検証可能なコンポーネントから、複雑でレジリエントで効率的なAIエージェントを構築することができる。
論文 参考訳（メタデータ） (2025-12-27T01:52:06Z) - Simple Agents Outperform Experts in Biomedical Imaging Workflow Optimization [69.36509281190662]
生産レベルのコンピュータビジョンツールを科学データセットに適応させることは、重要な"ラストマイル"ボトルネックである。
我々は、AIエージェントを使ってこの手動コーディングを自動化し、最適なエージェント設計のオープンな問題に焦点を当てる。
簡単なエージェントフレームワークが、人間-専門家のソリューションよりも優れた適応コードを生成することを実証する。
論文 参考訳（メタデータ） (2025-12-02T18:42:26Z) - A Comprehensive Survey on Benchmarks and Solutions in Software Engineering of LLM-Empowered Agentic System [56.40989626804489]
この調査は、Large Language Modelsを使ったソフトウェアエンジニアリングに関する、最初の総合的な分析を提供する。
本稿では,150以上の最近の論文をレビューし,(1)素早い,微調整,エージェントベースのパラダイムに分類した解法,(2)コード生成,翻訳,修復などのタスクを含むベンチマークという2つの重要な側面に沿った分類法を提案する。
論文 参考訳（メタデータ） (2025-10-10T06:56:50Z) - A Lightweight Large Language Model-Based Multi-Agent System for 2D Frame Structural Analysis [21.13581042992661]
大規模言語モデル(LLM)は、工学における自律的エージェントの強化に最近使用されている。
本稿では、2次元フレームの有限要素モデリングを自動化するLLMベースのマルチエージェントシステムを提案する。
このシステムは10回の試行で80%以上の精度を達成し、Gemini-2.5 ProとChatGPT-4oモデルを上回っている。
論文 参考訳（メタデータ） (2025-10-06T22:12:52Z) - A Survey on Code Generation with LLM-based Agents [61.474191493322415]
大規模言語モデル(LLM)を利用したコード生成エージェントは、ソフトウェア開発パラダイムに革命をもたらしている。
LLMは3つのコア特徴によって特徴づけられる。
本稿では,LLMに基づくコード生成エージェントの分野を体系的に調査する。
論文 参考訳（メタデータ） (2025-07-31T18:17:36Z) - Knowledge Graph Modeling-Driven Large Language Model Operating System (LLM OS) for Task Automation in Process Engineering Problem-Solving [0.0]
本稿では,化学・プロセス産業における複雑な問題の解決を目的としたAI駆動型フレームワークであるプロセスエンジニアリングオペレーションアシスタント(PEOA)を紹介する。
このフレームワークはメタエージェントによって構成されたモジュラーアーキテクチャを採用しており、中央コーディネータとして機能している。
その結果、計算の自動化、プロトタイピングの高速化、産業プロセスに対するAIによる意思決定支援におけるフレームワークの有効性が示された。
論文 参考訳（メタデータ） (2024-08-23T13:52:47Z)
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。