論文の概要: A Multi-AI-agent Framework Enabling End-to-end Finite Element Analysis for Solid Mechanics Problems
- arxiv url: http://arxiv.org/abs/2606.00138v1
- Date: Thu, 28 May 2026 23:18:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-02 21:34:27.998987
- Title: A Multi-AI-agent Framework Enabling End-to-end Finite Element Analysis for Solid Mechanics Problems
- Title（参考訳）: 固体力学問題に対するエンドツーエンド有限要素解析を実現するマルチAIエージェントフレームワーク
- Authors: Titu Ranjan Sarker, Muhammed Jawaad Zulqernine, Ling Yue, Shaowu Pan, Chenxi Wang, Shiyao Lin,
- Abstract要約: AbaqusAgentは,大規模言語モデル(LLM)を基盤とした,ソリッドメカニクス解析のためのマルチエージェントフレームワークである。
AbaqusAgentは分析ケースの生成と実行を容易にするために開発された。
様々な50の固体力学問題が検証され、全体の成功率は86%に達した。
- 参考スコア（独自算出の注目度）: 4.129202963753879
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Finite element analysis (FEA) is the most important numerical approach for solid mechanics. Challenges of FEA include a steep learning curve for entry-level users and potential false simulations due to incorrect definitions of key simulation components, such as boundary conditions, load cases, and solution variables. Years of engineering experience are usually necessary for real-world problem-solving. To address these issues, we present AbaqusAgent, a multi-agent framework grounded in large language models (LLMs) for solid mechanics analyses. AbaqusAgent is developed to facilitate analysis case generation and execution using Abaqus, one of the most widely used FEA packages, by turning users' natural-language instructions into executed FEA analyses and result visualization. AbaqusAgent is composed of six agents, including interpreter, architect, input writer, runner, reviewer, and visualizer agents, encompassing all the essential pre-processing and post-processing steps of standard FEA analyses. A wide variety of 50 solid mechanics problems have been successfully validated, achieving an overall success rate of 86%. Beyond improving the efficiency of FEA for solid mechanics problems and lowering the barrier to computational mechanics education, AbaqusAgent advances the human-simulation interaction paradigm and enables integration with AI-empowered optimization and material characterization workflows. The code is available at https://github.com/LIRAM-LIN/AbaqusAgent
- Abstract（参考訳）: 有限要素解析(FEA)は、固体力学における最も重要な数値的アプローチである。
FEAの課題には、エントリーレベルのユーザのための急激な学習曲線や、境界条件やロードケース、ソリューション変数といった重要なシミュレーションコンポーネントの誤った定義による潜在的な偽のシミュレーションが含まれる。
長年のエンジニアリング経験は、現実の問題解決に必要である。
これらの問題に対処するために,大規模言語モデル(LLM)を基盤としたマルチエージェントフレームワークであるAbaqusAgentを紹介した。
AbaqusAgentは、ユーザの自然言語命令を実行済みのFEA分析と結果の可視化に変換することで、最も広く使われているFEAパッケージの1つであるAbaqusを用いて分析ケースの生成と実行を容易にするために開発された。
AbaqusAgentは、インタプリタ、アーキテクト、インプットライター、ランナー、レビュアー、ビジュアライザエージェントを含む6つのエージェントで構成されており、標準的なFAA分析の基本的な前処理と後処理のステップをすべて包含している。
様々な50の固体力学問題が検証され、全体の成功率は86%に達した。
固体力学問題に対するFEAの効率の改善と計算力学教育への障壁の低減に加えて、AbaqusAgentは人間とシミュレーションの相互作用パラダイムを進化させ、AIを活用した最適化とマテリアルキャラクタリゼーションワークフローとの統合を可能にしている。
コードはhttps://github.com/LIRAM-LIN/AbaqusAgentで入手できる。
関連論文リスト
- VFEAgent: A Multimodal Agent Framework for End-to-End Automated Finite Element Analysis [34.66954835079288]
VFEAgentは、入力画像と問題記述から直接FEAモデリングとシミュレーションを自動化するために設計されたエンドツーエンドのマルチエージェントシステムである。
VFEAgentは、完全かつ物理的に有効なシミュレーションを生成する上で、高い成功率を達成する。
論文 参考訳（メタデータ） (2026-05-27T18:34:04Z) - Dynamic analysis enhances issue resolution [53.50448142467294]
DAIRA(Dynamic Analysis-enhanced Issue Resolution Agent)は、エージェントの推論サイクルに動的解析を組み込む自動修復フレームワークである。
テストトレース駆動の方法論によって駆動されるDAIRAは、軽量モニタを使用して重要なランタイムデータを抽出する。
Gemini 3 Flash Previewを使用すると、DAIRAは新たな最先端(SOTA)パフォーマンスを確立し、SWE-bench Verifiedデータセットで79.4%の解像度を達成する。
論文 参考訳（メタデータ） (2026-03-23T14:48:54Z) - AIDABench: AI Data Analytics Benchmark [62.45908988324612]
AIDABenchは、複雑なデータ分析タスクのAIシステムをエンドツーエンドで評価するためのベンチマークである。
AIDABenchは、質問応答、データビジュアライゼーション、ファイル生成という3つのコア機能ディメンションにまたがる600以上の多様なドキュメント分析タスクを含んでいる。
AIDABenchの11の最先端モデルを評価し、プロプライエタリ(Claude Sonnet 4.5、Gemini 3 Pro Previewなど)とオープンソース(Qwen3-Max-2026-01-23-Thinkingなど)の両方を対象とする。
論文 参考訳（メタデータ） (2026-02-27T08:58:05Z) - ALL-FEM: Agentic Large Language models Fine-tuned for Finite Element Methods [5.727939029920846]
ALL-FEMは、エージェントAIとドメイン固有で微調整されたLLMを統合した、FEniCSコード生成のための自律シミュレーションシステムである。
我々は、キュレートされたエキスパートコードと検索拡張マルチLLMパイプラインを組み合わせることで、1000以上の検証済みFEniCSスクリプトのコーパスを構築する。
我々のエージェントフレームワークは、微調整LDMを用いた特殊エージェントを編成し、問題をPDEとして定式化し、コードを生成し、結果を視覚化する。
論文 参考訳（メタデータ） (2026-01-08T21:25:59Z) - Code-in-the-Loop Forensics: Agentic Tool Use for Image Forgery Detection [59.04089915447622]
ForenAgentはインタラクティブなIFDフレームワークで、MLLMが検出対象に関するPythonベースの低レベルツールを自律的に生成、実行、洗練することができる。
人間の推論にインスパイアされた我々は、グローバルな認識、局所的な焦点、反復的探索、そして全体論的偏見を含む動的推論ループを設計する。
実験の結果,ForenAgent は IFD 課題に対する創発的なツール利用能力と反射的推論を示すことがわかった。
論文 参考訳（メタデータ） (2025-12-18T08:38:44Z) - 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) - CAF-I: A Collaborative Multi-Agent Framework for Enhanced Irony Detection with Large Language Models [10.551915512812107]
本稿ではCAF-I(Collaborative Agent Framework for Irony)を紹介する。
CAF-Iはコンテキスト、セマンティック、レトリックの特殊エージェントを使用し、多次元解析を行う。
ベンチマークデータセットの実験は、CAF-Iの最先端のゼロショット性能を確立する。
論文 参考訳（メタデータ） (2025-06-10T04:05:06Z) - FEABench: Evaluating Language Models on Multiphysics Reasoning Ability [8.441945838936444]
FEABenchは、有限要素解析(FEA)を用いて物理学、数学、工学の問題をシミュレートし、解決する大規模言語モデル(LLM)とLLMエージェントの能力を評価するためのベンチマークである。
本研究では,自然言語問題の記述を推論し,FEAソフトウェアであるCOMSOL Multiphysics$circledR$を動作させることにより,LLMがこの問題をエンドツーエンドで解決できるかどうかを総合的に評価する手法を提案する。
論文 参考訳（メタデータ） (2025-04-08T17:59:39Z)
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。