论文
面向高性能计算系统自动化设计探索的多智能体协作
Multi-Agent Collaboration for Automated Design Exploration on High Performance Computing Systems
摘要
从气候建模到惯性约束聚变设计再到新材料设计，当今的科学挑战需要探索庞大的设计空间。为了实现高影响力的科学发现，我们需要扩大快速检验假设、生成结果并从中学习的能力。我们提出MADA（Multi-Agent Design Assistant，多智能体设计助手），一个由大语言模型（LLM）驱动、为复杂设计工作流协调专用智能体的多智能体框架。作业管理智能体（JMA）在HPC系统上启动并管理集合模拟，几何智能体（GA）生成网格，逆向设计智能体（IDA）依据模拟结果提出新设计。该框架虽然面向通用目的，但我们的开发与验证聚焦于Richtmyer–Meshkov不稳定性（RMI）抑制，这是惯性约束聚变中的一项关键挑战。我们在两个互补场景下进行评估：在HPC系统上运行流体动力学模拟，以及使用预训练的机器学习代理模型进行快速设计探索。结果表明，MADA系统成功执行了迭代设计细化，在极少人工干预的情况下自动改进设计以实现最优的RMI抑制。我们的框架减少了繁琐的手工工作流搭建，并支持规模化的自动设计探索。更广泛地说，它展示了一种可复用的模式，将推理、模拟、专用工具与协调工作流耦合起来以加速科学发现。
