从文本到仿真：用于化工流程自动化设计的多Agent LLM工作流

流程仿真是化工设计的关键基石。当前的自动化化工设计方法主要聚焦于工艺流程图的各种表示形式。然而，将这些图转化为可执行的仿真流程表仍然是一项耗时费力的工作，需要在仿真软件中进行大量手动参数配置。在这项工作中，我们提出一种新颖的多Agent工作流，利用大语言模型（LLM）的语义理解能力，并实现与化工流程仿真软件的迭代交互，从而实现从文本工艺说明到经计算验证的软件配置的端到端自动化仿真，以改进设计。我们的方法集成了分别负责任务理解、拓扑生成、参数配置和评估分析的四类专门化Agent，并辅以增强蒙特卡洛树搜索，以准确解读语义并稳健地生成配置。在Simona这一大规模流程描述数据集上的评估显示，与最先进基线相比，我们的方法将仿真收敛率提升31.1%，与专家手工设计相比将设计时间减少89.0%。这项工作展示了AI辅助化工流程设计的潜力，弥合了概念设计与实际实现之间的差距。我们的工作流适用于制药、石化、食品加工和制造等多种流程导向行业，为自动化流程设计提供了可泛化的解决方案。