Un marco de trabajo multiagente de IA que permite el análisis de elementos finitos de extremo a extremo para problemas de mecánica de sólidos

Resumen

El análisis de elementos finitos (FEA) es el enfoque numérico más importante para la mecánica de sólidos. Los desafíos del FEA incluyen una curva de aprendizaje pronunciada para los usuarios principiantes y posibles simulaciones falsas debido a definiciones incorrectas de componentes clave de la simulación, como las condiciones de contorno, los casos de carga y las variables de solución. Por lo general, se requieren años de experiencia en ingeniería para resolver problemas del mundo real. Para abordar estos problemas, presentamos AbaqusAgent, un marco multiagente basado en modelos de lenguaje extenso (LLMs) para análisis de mecánica de sólidos. AbaqusAgent se desarrolla para facilitar la generación y ejecución de casos de análisis utilizando Abaqus, uno de los paquetes de FEA más utilizados, transformando las instrucciones en lenguaje natural de los usuarios en análisis FEA ejecutados y visualización de resultados. AbaqusAgent está compuesto por seis agentes, que incluyen intérprete, arquitecto, escritor de entrada, ejecutor, revisor y visualizador, abarcando todos los pasos esenciales de preprocesamiento y posprocesamiento de los análisis FEA estándar. Se ha validado con éxito una amplia variedad de 50 problemas de mecánica de sólidos, logrando una tasa de éxito general del 86%. Además de mejorar la eficiencia del FEA para problemas de mecánica de sólidos y reducir la barrera para la educación en mecánica computacional, AbaqusAgent avanza en el paradigma de interacción humano-simulación y permite la integración con flujos de trabajo de optimización y caracterización de materiales potenciados por IA. El código está disponible en 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