論文の概要: CRAFTS: Collaborative Role-Adaptive Fine-Tuning of LLM Agents for Chemical Process Simulation

• arxiv url: http://arxiv.org/abs/2608.01369v1
• Date: Sun, 02 Aug 2026 16:42:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:25.186506
• Title: CRAFTS: Collaborative Role-Adaptive Fine-Tuning of LLM Agents for Chemical Process Simulation
• Title（参考訳）: CRAFTS:化学プロセスシミュレーションのためのLLMエージェントの協調的役割適応微調整
• Abstract要約: CRAFTSは、シミュレーションビルディングを有界なサブタスクに分解することで、化学工学者の段階的なワークフローを反映する。 微調整は、スキーマクリティカルな3つの視覚、トポロジ、および仕様の役割に適用される。 結果として得られるVisualGraphIR、TopologyIR、SpecIR、BuildPlan、SolveReportは、ユニット、ポート、熱力学、数値、実行の決定を公開する。
• 参考スコア（独自算出の注目度）: 27.88778816587853
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Constructing an executable chemical-process model remains manually intensive. Chemical engineers translate underspecified requests into coupled decisions about unit operations, thermodynamics, streams, specifications, degrees of freedom (DoF), initialization, solver repair, and optimization; one error can invalidate the model. CRAFTS mirrors the staged workflow of chemical engineers by decomposing simulation building into bounded subtasks assigned to seven bounded roles, with deterministic IDAES/Pyomo gates between stages. Given a natural-language request, process flowsheet diagram (PFD) evidence, and curated chemical-engineering knowledge, Input Understanding and Intent recover requirements, constraints, and process semantics; visual, topology, and specification specialists translate them into typed simulator contracts; and Debug and Optimization support bounded repair and eligible optimization. Fine-tuning is applied to the three schema-critical visual, topology, and specification roles, while the remaining roles use untuned Qwen. The resulting VisualGraphIR, TopologyIR, SpecIR, BuildPlan, and SolveReport expose unit, port, thermodynamic, numerical, and execution decisions. Compatible constructors, property packages, and runners are attached only after semantic artifacts pass engineering gates. We introduce OpenIDAES-450, a 450-case IDAES process- simulation dataset, and evaluate the complete seven-role LangChain/LangGraph workflow through solve and eligible optimization on its frozen 82-case held-out split. CRAFTS completes the prescribed validation and execution contract for for 91.5% of cases and achieves unit, stream, and directed-connection F1 scores of 0.815, 0.791, and 0.782. These results demonstrate the effectiveness of role specialization, typed intermediate representations, and deterministic engineering gates for reliable automated process-model construction.
• Abstract（参考訳）: 実行可能な化学プロセスモデルの構築は手作業で行う。 化学技術者は、不特定要求を、単位演算、熱力学、ストリーム、仕様、自由度(DoF)、初期化、解決器の修理、最適化に関する複合的な決定に変換する。 CRAFTSは、シミュレーションビルディングを7つの有界な役割に割り当てられた有界なサブタスクに分解することで、化学技術者のステージ化されたワークフローを反映している。 自然言語の要求、プロセスフローシート図(PFD)のエビデンス、化学工学の知識、入力理解とインテントの回復要求、制約、プロセスのセマンティクス、視覚、トポロジ、仕様スペシャリストがそれらを型付きシミュレータのコントラクトに変換する。 微調整は3つのスキーマクリティカルな視覚、トポロジ、仕様の役割に適用され、残りの役割は未チューニングのQwenを使用する。 結果として得られるVisualGraphIR、TopologyIR、SpecIR、BuildPlan、SolveReportは、ユニット、ポート、熱力学、数値、実行の決定を公開する。 互換性のあるコンストラクタ、プロパティパッケージ、ランナーは、セマンティックアーティファクトがエンジニアリングゲートを通過した後だけアタッチされる。 我々は,450ケースの IDAES プロセスシミュレーションデータセットであるOpenIDAES-450 を導入し,82ケースのホールドアウトスプリットを解いて,完全な 7ロールの LangChain/LangGraph ワークフローを評価する。 CRAFTSは、91.5%のケースに対して所定の検証および実行契約を完了し、0.815、0.791、0.782の単位、ストリーム、方向接続F1スコアを達成する。 これらの結果は、信頼性の高いプロセスモデル構築のための役割特殊化、型付き中間表現、決定論的エンジニアリングゲートの有効性を示す。

関連論文リスト

• El Agente Potente: High-Throughput Agentic Atomistic Simulations [4.268668578817565]
  基礎的機械学習原子間ポテンシャル(MLIP)は、計算コストのごく一部で、大規模化学空間のほぼ初期精度を達成し、原子論シミュレーションを変換している。 我々は,型付き実行グラフと補完的な符号化モードを組み合わせたエージェントシステムであるEl Agente Potenteを紹介した。
  論文  参考訳（メタデータ） (2026-09-13T23:20:21Z)
• Formal Verification of Agentic Systems over Operational Data [59.98246281888422]
  大規模言語モデル(LLM)によって駆動されるエージェントシステムは、永続的な運用データを扱う現実世界にますます展開されている。 既存のアプローチはそのようなシステムレベルの保証を提供していません。 本稿では, 1 つの LLM とツールオーケストレーションハーネスからなるエージェントシステムのリレーショナル操作データに対する検証について述べる。
  論文  参考訳（メタデータ） (2026-08-04T13:01:30Z)
• StructureClaw: Traceable LLM Agents and an Executable Benchmark for Structural Engineering Workflows [15.552044829103373]
  構造工学要求のためのアーティファクト中心のワークベンチであるStructureClawを紹介します。 また、150の制御シナリオの実行可能なベンチマークであるStructureClaw-Benchを紹介します。 同じ50の標準ケースで評価された10のエージェントモデル構成の中で、平均成功率は56.8%、ジェネリックスキルベースラインは88.6%、完全な自動ワークフローは88.6%となっている。
  論文  参考訳（メタデータ） (2026-07-16T12:13:41Z)
• AutoMOOSE: An Agentic AI for Autonomous Phase-Field Simulation [0.0]
  AutoMOOSEは、ひとつの自然言語プロンプトから完全なシミュレーションライフサイクルを編成するエージェントフレームワークである。 MOOSEの入力ファイルは、人間の専門家参照と正確に一致する12のブロックのうち6つで、機能的に等価である。 インテント、有限要素実行、そして人間による検証のないアレニウス運動論にまたがる、エンドツーエンドの物理的整合性チェックを実行する。
  論文  参考訳（メタデータ） (2026-03-22T00:11:19Z)
• Multi-Agent Procedural Graph Extraction with Structural and Logical Refinement [66.51979814832332]
  モデル式は、専用の構造的および論理的洗練を伴う多ラウンド推論プロセスとして手続きグラフ抽出を定式化する。 実験により、モデルが強いベースラインに対して構造的正当性と論理的整合性の両方において大幅に改善されることが示されている。
  論文  参考訳（メタデータ） (2026-01-27T04:00:48Z)
• 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)
• Let It Flow: Agentic Crafting on Rock and Roll, Building the ROME Model within an Open Agentic Learning Ecosystem [90.17610617854247]
  本稿では,エージェントモデルの生産パイプラインを最適化する基盤インフラであるエージェント学習エコシステム(ALE)を紹介する。 ALEは、重量最適化のためのトレーニング後のフレームワークであるROLL、軌道生成のためのサンドボックス環境マネージャであるROCK、効率的なコンテキストエンジニアリングのためのエージェントフレームワークであるiFlow CLIの3つのコンポーネントで構成されている。 ROMEはALEが基盤として100万件以上のトラジェクトリをトレーニングしたオープンソースエージェントです。
  論文  参考訳（メタデータ） (2025-12-31T14:03:39Z)
• CFD-copilot: leveraging domain-adapted large language model and model context protocol to enhance simulation automation [6.71937346130764]
  CFD-copilotは、セットアップから後処理までの自然言語駆動CFDシミュレーションを容易にするために設計されたフレームワークである。 後処理では、外部ツールの実行からLCM推論を分離するオープンスタンダードであるMCP(Model context Protocol)を利用する。 この枠組みはNACA0012翼と3要素30P-30N翼を含むベンチマークで評価された。
  論文  参考訳（メタデータ） (2025-12-08T11:42:32Z)
• ChemActor: Enhancing Automated Extraction of Chemical Synthesis Actions with LLM-Generated Data [53.78763789036172]
  ケミカルエグゼキュータとして完全微調整された大規模言語モデル(LLM)であるChemActorを紹介し,非構造化実験手順と構造化動作シーケンスを変換する。 このフレームワークは、分散分散に基づくデータ選択モジュールと汎用LLMを統合し、単一の分子入力からマシン実行可能なアクションを生成する。 反応記述(R2D)と記述記述処理(D2A)のタスクの実験により、ChemActorは最先端のパフォーマンスを達成し、ベースラインモデルよりも10%高い性能を示した。
  論文  参考訳（メタデータ） (2025-06-30T05:11:19Z)
• Retrieval-Augmented Instruction Tuning for Automated Process Engineering Calculations : A Tool-Chaining Problem-Solving Framework with Attributable Reflection [0.0]
  オープンでカスタマイズ可能な小型コード言語モデル(SLM)を強化するためにRAIT(Retrieval-Augmented Instruction-Tuning)を活用する新しい自律エージェントフレームワークを提案する。 命令チューニングされたコードSLMと外部ツールを使用してRACG(Retrieval-Augmented Code Generation)を組み合わせることで、エージェントは自然言語仕様からコードを生成し、デバッグし、最適化する。 我々のアプローチは、専門的なプロセスエンジニアリングタスクのための基礎的AIモデルの欠如の限界に対処し、説明可能性、知識編集、費用対効果の利点を提供する。
  論文  参考訳（メタデータ） (2024-08-28T15:33:47Z)
• Mechanistic Design and Scaling of Hybrid Architectures [114.3129802943915]
  我々は、様々な計算プリミティブから構築された新しいハイブリッドアーキテクチャを特定し、テストする。 本研究では,大規模計算最適法則と新しい状態最適スケーリング法則解析を用いて,結果のアーキテクチャを実験的に検証する。 我々は,MAD合成法と計算-最適パープレキシティを相関させ,新しいアーキテクチャの正確な評価を可能にする。
  論文  参考訳（メタデータ） (2024-03-26T16:33:12Z)
• SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
  本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。 しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
  論文  参考訳（メタデータ） (2021-12-22T14:45:37Z)

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。