Um framework multiagente de IA que permite a Análise de Elementos Finitos de ponta a ponta para Problemas de Mecânica dos Sólidos

Resumo

A análise de elementos finitos (AEF) é a abordagem numérica mais importante para a mecânica dos sólidos. Os desafios da AEF incluem uma curva de aprendizado íngreme para usuários iniciantes e possíveis simulações falsas devido à definição incorreta de componentes-chave da simulação, como condições de contorno, casos de carga e variáveis de solução. Geralmente, são necessários anos de experiência em engenharia para a resolução de problemas reais. Para abordar essas questões, apresentamos o AbaqusAgent, um framework multiagente fundamentado em grandes modelos de linguagem (LLMs) para análises de mecânica dos sólidos. O AbaqusAgent foi desenvolvido para facilitar a geração e execução de casos de análise utilizando o Abaqus, um dos pacotes de AEF mais amplamente utilizados, transformando instruções em linguagem natural dos usuários em análises de AEF executadas e visualização de resultados. O AbaqusAgent é composto por seis agentes, incluindo agente intérprete, arquiteto, escritor de entrada, executor, revisor e visualizador, abrangendo todas as etapas essenciais de pré-processamento e pós-processamento de análises de AEF padrão. Uma ampla variedade de 50 problemas de mecânica dos sólidos foi validada com sucesso, alcançando uma taxa geral de sucesso de 86%. Além de melhorar a eficiência da AEF para problemas de mecânica dos sólidos e reduzir a barreira para a educação em mecânica computacional, o AbaqusAgent avança o paradigma de interação humano-simulação e possibilita a integração com fluxos de trabalho de otimização e caracterização de materiais capacitados por IA. O código está disponível em 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