Ein Multi-KI-Agenten-Framework zur durchgängigen Finite-Elemente-Analyse für Probleme der Festkörpermechanik

Zusammenfassung

Die Finite-Elemente-Analyse (FEA) ist der wichtigste numerische Ansatz in der Festkörpermechanik. Zu den Herausforderungen der FEA gehören eine steile Lernkurve für Einsteiger und potenziell fehlerhafte Simulationen aufgrund falscher Definitionen zentraler Simulationskomponenten wie Randbedingungen, Lastfälle und Lösungsvariablen. Für die Lösung realer Probleme sind in der Regel langjährige ingenieurtechnische Erfahrungen erforderlich. Um diese Probleme zu adressieren, stellen wir AbaqusAgent vor, ein Multi-Agenten-Framework, das auf Large Language Models (LLMs) basiert und für Festkörpermechanikanalysen entwickelt wurde. AbaqusAgent wurde entwickelt, um die Generierung und Ausführung von Analysefällen mit Abaqus, einem der am weitesten verbreiteten FEA-Pakete, zu erleichtern, indem natürliche Sprachbefehle der Nutzer in ausgeführte FEA-Analysen und Ergebnisvisualisierungen umgewandelt werden. AbaqusAgent besteht aus sechs Agenten – einem Interpreter, Architekten, Input Writer, Runner, Reviewer und Visualizer – die alle wesentlichen Vor- und Nachbearbeitungsschritte einer standardmäßigen FEA-Analyse umfassen. Eine Vielzahl von 50 Festkörpermechanikproblemen wurde erfolgreich validiert, mit einer Gesamterfolgsrate von 86%. AbaqusAgent verbessert nicht nur die Effizienz der FEA für Festkörpermechanikprobleme und senkt die Hürde für die Ausbildung in der computergestützten Mechanik, sondern erweitert auch das Paradigma der Mensch-Simulations-Interaktion und ermöglicht die Integration mit KI-gestützten Optimierungs- und Materialcharakterisierungs-Workflows. Der Code ist verfügbar unter https://github.com/LIRAM-LIN/AbaqusAgent.

English

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