論文の概要: Generative Artificial Intelligence (GenAI) to convert images of queuing networks into verifiable simulation models: an open-weight LLM workflow approach

• arxiv url: http://arxiv.org/abs/2607.24259v1
• Date: Mon, 27 Jul 2026 10:50:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-28 22:34:15.387989
• Title: Generative Artificial Intelligence (GenAI) to convert images of queuing networks into verifiable simulation models: an open-weight LLM workflow approach
• Title（参考訳）: 生成人工知能(GenAI)によるキューイングネットワークの画像を検証可能なシミュレーションモデルに変換する:オープンウェイトLLMワークフローアプローチ
• Abstract要約: Sketch2DESは、キューイングネットワークの図式表現を検証可能なシミュレーションモデルに変換するスケッチからシミュレーションのワークフローである。 複雑度の異なる8つのキュー・ネットワーク・ダイアグラムのアプローチを評価する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recent work has explored the use of Large Language Models (LLMs) to automate simulation model building, typically by generating executable code directly from natural language descriptions. However, this raises challenges for verification and reproducibility particularly for users without programming expertise. We propose Sketch2DES, a sketch-to-simulation workflow that converts diagrammatic representations of queuing networks into verifiable discrete-event simulation models using open-weight LLMs. The workflow has three stages: (1) translation of a diagram into a semi-structured textual description using a multimodal LLM; (2) conversion into schema-validated structured data (JSON) via an LLM with a reflection-based verification loop; and (3) deterministic transformation into an executable simulation model using a software adapter. Intermediate artefacts can therefore be inspected and automatically validated before execution. We evaluate the approach on eight queuing-network diagrams of varying complexity. The workflow achieved high reliability for all stages, and results were statistically indistinguishable from human-coded and analytical benchmarks. Compared to direct code generation, the workflow improves reproducibility, transparency, and verifiability, while reducing the need for programming expertise. Limitations include restricted model scope and dependence on accurate visual interpretation. The results demonstrate the feasibility of structured, workflow-based model generation as a robust foundation for LLM-assisted simulation modelling.
• Abstract（参考訳）: 最近の研究は、シミュレーションモデルの構築を自動化するために、Large Language Models (LLMs) の使用について検討している。 しかし、これは特にプログラミングの専門知識を持たないユーザにとって、検証と再現性の課題を提起する。 提案するSketch2DESは,キューネットワークの図式表現を,オープンウェイトLLMを用いて検証可能な離散イベントシミュレーションモデルに変換するスケッチ・トゥ・シミュレート・ワークフローである。 このワークフローは,(1)マルチモーダルLCMを用いた半構造化テキスト記述へのダイアグラムの変換,(2)リフレクションベースの検証ループを備えたLCMによるスキーマ検証構造化データ(JSON)への変換,(3)ソフトウェアアダプタを用いた実行可能なシミュレーションモデルへの決定論的変換の3段階からなる。 したがって、中間成果物を検査し、実行前に自動的に検証することができる。 複雑度の異なる8つのキュー・ネットワーク・ダイアグラムのアプローチを評価する。 ワークフローはすべての段階で高い信頼性を達成し、その結果は人間のコードと分析のベンチマークと統計的に区別できないものだった。 直接コード生成と比較して、ワークフローは再現性、透明性、検証性を改善し、プログラミングの専門知識の必要性を減らす。 制限には、制限されたモデルスコープと正確な視覚的解釈への依存が含まれる。 その結果,LLMを用いたシミュレーションモデリングの基盤として,構造化されたワークフローベースモデル生成の実現可能性を示した。

関連論文リスト

• Simulation Code Generation for Fluid Systems using Large Language Models: Benchmarking Models and Prompting Strategies [0.8983000676504388]
  大規模言語モデル(LLM)は、自然言語仕様から構文的に正しいコードを生成する強力な能力を示している。 本研究では, LLMを用いて流体系モデルの中立グラフ表現を自動的に実行可能コードに変換する方法について検討する。
  論文  参考訳（メタデータ） (2026-07-31T13:09:00Z)
• On Integrating Resilience and Human Oversight into LLM-Assisted Modeling Workflows for Digital Twins [0.0]
  ディジタルツインにレジリエンスと監視を統合するための重要な設計原則を3つ提示する。 重要な貢献は、様々な詳細と複雑さのモデル記述にまたがるLCMによるエラーの詳細な評価である。
  論文  参考訳（メタデータ） (2026-03-26T20:38:03Z)
• Sketch2Simulation: Automating Flowsheet Generation via Multi Agent Large Language Models [0.0]
  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。
  論文  参考訳（メタデータ） (2026-03-25T03:36:46Z)
• Closed-Loop LLM Discovery of Non-Standard Channel Priors in Vision Models [48.83701310501069]
  大規模言語モデル(LLM)はニューラルアーキテクチャサーチ(NAS)に対する変換的アプローチを提供する 我々は、LLMが性能テレメトリに基づいてアーキテクチャ仕様を洗練する条件付きコード生成タスクのシーケンスとして検索を定式化する。 AST(Abstract Syntax Tree)変異を用いて,有効かつ整合性のあるアーキテクチャの膨大なコーパスを生成する。 CIFAR-100の実験結果は、この手法の有効性を検証し、精度の統計的に有意な改善をもたらすことを示した。
  論文  参考訳（メタデータ） (2026-01-13T13:00:30Z)
• Model Utility Law: Evaluating LLMs beyond Performance through Mechanism Interpretable Metric [99.56567010306807]
  大規模言語モデル(LLM)は、学術、産業、そして日々のアプリケーションに欠かせないものになっている。 大規模言語モデル (LLM) 時代における評価の課題の1つは一般化問題である。 従来の性能スコアを補完するメカニズムの解釈可能性向上指標であるモデル利用指数(MUI)を提案する。
  論文  参考訳（メタデータ） (2025-04-10T04:09:47Z)
• AIRepr: An Analyst-Inspector Framework for Evaluating Reproducibility of LLMs in Data Science [8.281093505963158]
  大規模言語モデル(LLM)は、実行可能なコード生成を通じてデータ分析を自動化するために、ますます使われるようになっている。 本稿では,LLM生成データ分析の自動評価と改善のための分析・検査フレームワークであるAIReprについて述べる。
  論文  参考訳（メタデータ） (2025-02-23T01:15:50Z)
• 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)
• SynerGen-VL: Towards Synergistic Image Understanding and Generation with Vision Experts and Token Folding [66.74446220401296]
  画像の理解と生成の両方が可能なシンプルだが強力なエンコーダのないMLLMであるSynerGen-VLを提案する。 トークンの折り畳み機構と,高分解能画像理解を効果的に支援するビジョンエキスパートベースのプログレッシブアライメント事前学習戦略を導入する。 コードとモデルはリリースされます。
  論文  参考訳（メタデータ） (2024-12-12T18:59:26Z)
• Benchmarking Agentic Workflow Generation [80.74757493266057]
  複数面シナリオと複雑なグラフワークフロー構造を備えた統合ワークフロー生成ベンチマークであるWorfBenchを紹介する。 また,サブシーケンスとサブグラフマッチングアルゴリズムを利用したシステム評価プロトコルWorfEvalを提案する。 我々は、生成されたタスクが下流のタスクを強化し、推論中により少ない時間で優れたパフォーマンスを達成することを観察する。
  論文  参考訳（メタデータ） (2024-10-10T12:41:19Z)
• Evaluating and Explaining Large Language Models for Code Using Syntactic Structures [74.93762031957883]
  本稿では,コード用大規模言語モデルに特有の説明可能性手法であるASTxplainerを紹介する。 その中核にあるASTxplainerは、トークン予測をASTノードに整合させる自動メソッドを提供する。 私たちは、最も人気のあるGitHubプロジェクトのキュレートデータセットを使用して、コード用の12の人気のあるLLMに対して、実証的な評価を行います。
  論文  参考訳（メタデータ） (2023-08-07T18:50:57Z)
• GPT-Based Models Meet Simulation: How to Efficiently Use Large-Scale Pre-Trained Language Models Across Simulation Tasks [0.0]
  本稿では,科学シミュレーションにおける大規模事前学習言語モデルの利用に関する最初の研究である。 最初の課題は参加者の関与を促進する概念モデルの構造を説明することである。 第2のタスクはシミュレーション出力の要約に重点を置いており、モデルユーザーが望ましいシナリオを識別できるようにしている。 第3の課題は、シミュレーションの可視化の洞察をテキストで伝えることによって、シミュレーションプラットフォームへのアクセシビリティの拡大を目指している。
  論文  参考訳（メタデータ） (2023-06-21T15:42:36Z)
• CodeGen2: Lessons for Training LLMs on Programming and Natural Languages [116.74407069443895]
  我々はエンコーダとデコーダベースのモデルを単一のプレフィックスLMに統一する。 学習方法は,「フリーランチ」仮説の主張を考察する。 データ配信においては,混合分布と多言語学習がモデル性能に及ぼす影響について検討した。
  論文  参考訳（メタデータ） (2023-05-03T17:55:25Z)

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。