AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
标签：LLM 约束接口×
6月16日
20:46
6月12日
12:57
6月11日
15:28
15:23
15:07
6月10日
09:38
09:38arXiv cs.LG@Nilay Upadhyay, Wesley F. Reinhart
精选
该论文提出了一种用于 FEniCS 多物理场有限元仿真的约束自然语言接口。LLM 仅负责前端任务：将用户提示解析为结构化 JSON、为非标准几何生成 Gmsh 代码，并利用重试反馈修正错误。它从不编写 FEniCS 求解器模板、推导弱形式或编写数值求解核心。一个确定性调度器将验证后的规范映射到五个人类编写的 FEniCS/UFL 模板：线弹性、超弹性、弹塑性、热力耦合和相场断裂。在解析器基准测试中，首次有效解析率为 9/15，重试后达到 100%，问题分类准确率 100%，字段提取准确率 97.1%。在自定义几何基准测试中，首次和最终成功率均为 90%。该架构通过约束 LLM 角色，在保持灵活性的同时提高了仿真代码的可靠性。
论文有限元仿真FEniCSLLM 约束接口多物理场自然语言编程
推荐理由：做有限元仿真的工程师和研究者终于有了一个既省力又可靠的 AI 助手——LLM 只负责理解需求，核心求解器由人类专家编写，避免了自动生成代码的可靠性风险。建议做多物理场仿真的团队点开看看这个架构设计。
原文