論文の概要: Sketch2Simulation: Automating Flowsheet Generation via Multi Agent Large Language Models
- arxiv url: http://arxiv.org/abs/2603.24629v1
- Date: Wed, 25 Mar 2026 03:36:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-27 20:52:47.901069
- Title: Sketch2Simulation: Automating Flowsheet Generation via Multi Agent Large Language Models
- Title（参考訳）: Sketch2Simulation:マルチエージェント大規模言語モデルによるフローシートの自動生成
- Authors: Abdullah Bahamdan, Emma Pajak, John D. Hedengren, Antonio del Rio Chanona,
- Abstract要約: プロセススケッチを実行可能なシミュレーションモデルに変換することは、プロセスシステム工学において依然として大きなボトルネックとなっている。
生成AIの最近の進歩は、エンジニアリングダイアグラムの解釈とフローシートの生成の両方を改善してきたが、これらはほとんど接続されていない。
本稿では,プロセス図を直接実行可能なAspen HYSYSフローシートに変換する,エンドツーエンドのマルチエージェント大規模言語モデルを提案する。
- 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: Converting process sketches into executable simulation models remains a major bottleneck in process systems engineering, requiring substantial manual effort and simulator-specific expertise. Recent advances in generative AI have improved both engineering-diagram interpretation and LLM-assisted flowsheet generation, but these remain largely disconnected: diagram-understanding methods often stop at extracted graphs, while text-to-simulation workflows assume structured inputs rather than raw visual artifacts. To bridge this gap, we present an end-to-end multi-agent large language model system that converts process diagrams directly into executable Aspen HYSYS flowsheets. The framework decomposes the task into three coordinated layers: diagram parsing and interpretation, simulation model synthesis, and multi-level validation. Specialized agents handle visual interpretation, graph-based intermediate representation construction, code generation for the HYSYS COM interface, execution, and structural verification. We evaluate the framework on four chemical engineering case studies of increasing complexity, from a simple desalting process to an industrial aromatic production flowsheet with multiple recycle loops. The system produces executable HYSYS models in all cases, achieving complete structural fidelity on the two simpler cases and strong performance on the more complex ones, with connection consistency above 0.93 and stream consistency above 0.96. These results demonstrate a viable end-to-end sketch-to-simulation workflow while highlighting remaining challenges in dense recycle structures, implicit diagram semantics, and simulator-interface constraints.
- Abstract（参考訳）: プロセススケッチを実行可能なシミュレーションモデルに変換することは、プロセスシステム工学において大きなボトルネックであり、かなりの手作業とシミュレータ固有の専門知識を必要とする。
ジェネレーティブAIの最近の進歩は、エンジニアリングダイアグラムの解釈とLLMによるフローシート生成の両方を改善しているが、これらは概ね非連結である: 図理解の手法は、しばしば抽出されたグラフで停止するが、テキストからシミュレーションのワークフローは、生の視覚的な人工物ではなく構造化された入力を仮定する。
このギャップを埋めるために,プロセス図を直接実行可能なAspen HYSYSフローシートに変換する,エンドツーエンドのマルチエージェント大規模言語モデルシステムを提案する。
このフレームワークは、タスクを3つの調整されたレイヤ、ダイアグラム解析と解釈、シミュレーションモデル合成、マルチレベル検証に分解する。
特殊エージェントは視覚解釈、グラフベースの中間表現構成、HYSYS COMインタフェースのためのコード生成、実行、構造検証を扱う。
本研究は, 単純脱塩プロセスから, 複数のリサイクルループを有する工業用芳香族製造フローシートまで, 複雑さの増大に関する4つの化学工学的ケーススタディについて検討した。
このシステムはすべてのケースで実行可能なHYSYSモデルを生成し、より単純な2つのケースで完全な構造的忠実さを実現し、より複雑なケースでは強い性能を実現し、接続整合性は0.93以上、ストリーム整合性は0.96以上である。
これらの結果は、密集したリサイクル構造、暗黙的なダイアグラムのセマンティクス、シミュレーターとインタフェースの制約に残る課題を強調しながら、現実的なエンドツーエンドのスケッチ・トゥ・シミュレートのワークフローを示している。
関連論文リスト
- Understanding by Reconstruction: Reversing the Software Development Process for LLM Pretraining [66.89012795621349]
大規模言語モデル(LLM)は、複雑なソフトウェア工学に必要な、深く、長期にわたる推論に苦しむことが多い。
本稿では,再構築による理解という,新しいパラダイムを提案する。
マルチエージェントシミュレーションを用いて潜在エージェント軌道を合成するフレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-11T09:23:20Z) - 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) - StdGEN++: A Comprehensive System for Semantic-Decomposed 3D Character Generation [57.06461272772509]
StdGEN++は、多種多様な入力から高忠実で意味的に分解された3D文字を生成するための、新しく包括的なシステムである。
最先端の性能を達成し、幾何学的精度と意味的絡み合いにおいて既存の手法を著しく上回っている。
結果として、非破壊的な編集、物理学に準拠したアニメーション、視線追跡など、より進んだ下流の機能をアンロックする。
論文 参考訳（メタデータ） (2026-01-12T15:41:27Z) - 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) - Dynamic Generation of Multi-LLM Agents Communication Topologies with Graph Diffusion Models [99.85131798240808]
我々はtextitGuided Topology Diffusion (GTD) と呼ばれる新しい生成フレームワークを導入する。
条件付き離散グラフ拡散モデルにインスパイアされたGTD式は、反復的な構成過程としてトポロジー合成を行う。
各ステップで生成は、多目的報酬を予測する軽量プロキシモデルによって制御される。
実験により、GTDは高いタスク適応性、スパース、効率的な通信トポロジを生成できることが示されている。
論文 参考訳（メタデータ） (2025-10-09T05:28:28Z) - ToolACE-MT: Non-Autoregressive Generation for Agentic Multi-Turn Interaction [84.90394416593624]
大規模言語モデル(LLM)によるエージェント的タスク解決には,多ターン・マルチステップインタラクションが必要である。
既存のシミュレーションベースのデータ生成手法は、複数のエージェント間のコストのかかる自己回帰的相互作用に大きく依存している。
本稿では,高品質なマルチターンエージェント対話を構築するための非自己回帰反復生成フレームワークであるToolACE-MTを提案する。
論文 参考訳（メタデータ） (2025-08-18T07:38:23Z) - AutoChemSchematic AI: Agentic Physics-Aware Automation for Chemical Manufacturing Scale-Up [2.5875933818780363]
現在のAIシステムは、重要なエンジニアリングスキーマを確実に生成することはできない。
産業用PFDとPIDの自動生成のためのクローズドループ物理対応フレームワークを提案する。
本研究では,本フレームワークが高忠実度でシミュレータ検証されたプロセス記述を生成することを示す。
論文 参考訳（メタデータ） (2025-05-30T13:32:00Z) - StarFlow: Generating Structured Workflow Outputs From Sketch Images [10.870956565888545]
本稿では,視覚言語モデルを用いたスケッチから構造化ワークフロー出力を生成するフレームワークであるStarFlowを紹介する。
アプローチの強みと限界を分析するために、複数の視覚言語モデルを微調整し、ベンチマークします。
この結果から,ファインタニングによりワークフロー生成が大幅に向上し,このタスクにおける視覚言語モデルの性能が向上することが示された。
論文 参考訳（メタデータ） (2025-03-27T18:04:05Z) - Simulation Streams: A Programming Paradigm for Controlling Large Language Models and Building Complex Systems with Generative AI [3.3126968968429407]
Simulation Streamsは、LLM(Large Language Models)を効率的に制御し活用するために設計されたプログラミングパラダイムである。
私たちの一番の目標は、一貫性を維持するための制限に対処しながら、LLMのエージェント能力を活用するフレームワークを作ることです。
論文 参考訳（メタデータ） (2025-01-30T16:38:03Z) - Large Language Models as Realistic Microservice Trace Generators [48.730974361862366]
本稿では,大規模言語モデル (LLM) を用いて, 合成作業負荷トレースを生成する手法を提案する。
我々はTraceLLMが様々な条件下で多様なリアルなトレースを生成し、精度と妥当性の両方において既存のアプローチよりも優れていることを示す。
TraceLLMは、キートレース機能を予測したり、欠落したデータを埋め込むといった、下流のトレース関連タスクに適応する。
論文 参考訳（メタデータ） (2024-12-16T12:48:04Z)
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。