Un cadre multi-agents IA permettant une analyse par éléments finis de bout en bout pour les problèmes de mécanique des solides

Résumé

L'analyse par éléments finis (AEF) constitue l'approche numérique la plus importante en mécanique des solides. Les défis de l'AEF incluent une courbe d'apprentissage abrupte pour les utilisateurs débutants et des simulations potentiellement erronées dues à une définition incorrecte des composants clés de la simulation, telles que les conditions aux limites, les cas de charge et les variables de solution. Des années d'expérience en ingénierie sont généralement nécessaires pour résoudre des problèmes concrets. Pour répondre à ces enjeux, nous présentons AbaqusAgent, un cadre multi-agents fondé sur les grands modèles de langage (LLM) pour les analyses en mécanique des solides. AbaqusAgent est développé pour faciliter la génération et l'exécution de cas d'analyse à l'aide d'Abaqus, l'un des logiciels d'AEF les plus utilisés, en transformant les instructions en langage naturel des utilisateurs en analyses AEF exécutées et en visualisation des résultats. AbaqusAgent se compose de six agents — interprète, architecte, rédacteur d'entrée, exécuteur, réviseur et visualiseur — couvrant toutes les étapes essentielles de pré-traitement et de post-traitement des analyses AEF standard. Une grande variété de 50 problèmes de mécanique des solides a été validée avec succès, atteignant un taux de réussite global de 86 %. Au-delà de l'amélioration de l'efficacité de l'AEF pour les problèmes de mécanique des solides et de la réduction des barrières à l'éducation en mécanique numérique, AbaqusAgent fait progresser le paradigme d'interaction humain-simulation et permet l'intégration avec des flux de travail d'optimisation et de caractérisation des matériaux assistés par IA. Le code est disponible sur 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