arXiv cs.AI· Akshat Jani, Sakhinana Sagar Srinivas, Venkataramana Runkana·· 1 天前AI 评分38
从 1D 基准到复杂 3D 几何：智能体能否可靠地为自动化 PDE 仿真指定问题？
From 1D Benchmarks to Complex 3D Geometries: Can Agents Reliably Specify Problems for Automated PDE Simulation?
AI 导读
研究评估 AI 智能体能否为自动化 PDE 仿真构建完整可执行的 JSON 规格，覆盖几何创建、网格划分、求解与结果导出。在 120 个模板相关请求上，完整工作流首轮规格与决策正确率达 98.3%，比 schema 辅助单次生成（92.5%）和纯模型（82.5%）分别高 5.8 和 15.8 个百分点，且在 42 个需澄清或拒绝的请求中无错误放行。
正文 · AI 翻译
摘要：将工程需求转化为仿真，需要一致的几何、物理、边界条件和数值设置。近期的智能体辅助系统可自动完成仿真设置，但仅成功执行并不能确定规格是否保留了预期的问题，或是否正确处理了缺失信息。我们研究智能体能否可靠地构建完整可执行的 JSON 规格，用于自动几何创建、网格划分、PDE 求解和结果导出。我们的工作流将模型提取与确定性科学检查和能力检查、显式澄清以及经过验证的局部补丁相结合，这些补丁会保留无关的已接受字段。我们分别评估规格正确性、执行完成度和数值验证。在 120 个与模板相关的请求上，完整工作流实现了 98.3% 的正确首轮规格与决策结果，而模式辅助单次执行为 92.5%，仅模型为 82.5%：分别提升 5.8 和 15.8 个百分点。在 42 个需要澄清或拒绝的请求中，它没有做出错误的就绪决策。组件消融实验识别出科学检查和条件修复的贡献。独立的下游研究涵盖 1D、2D 和 3D 稳态与非稳态、线性与非线性问题，包括具有复杂三维机翼几何的流动和弹性问题。一个 30 个案例的展示库演示了从保留的 JSON 规格自动执行，而在 12 个选定的实时用户到结果测试中，有 9 个实现了规格、执行、导出和数值参考的联合成功（75.0%）。这些结果支持在测试范围内提供可追溯、经工程师审查的仿真辅助，而新响应回归表明一致性是进一步改进的优先事项。
| 主题： | 人工智能（cs.AI）；计算工程、金融与科学（cs.CE） |
| 引用为： | arXiv:2610.41267 [cs.AI] |
| （或此版本的 arXiv:2610.41267v1 [cs.AI]） | |
| https://doi.org/10.48550/arXiv.2610.41267 由 DataCite 颁发的 arXiv DOI（待注册） |
提交历史
来自：Akshat Jani [查看电子邮件]
[v1]
2026年10月30日星期五 05:20:28 UTC（25,206 KB）
来源：arXiv cs.AI · arxiv.org