AbsorbEvo：用于微波吸收器自主逆向设计的 Agentic 框架

设计高性能微波吸收器需要电磁理论、材料科学和模拟编程方面的专业知识，并且需要耗时的优化。在这里，我们介绍 AbsorbEvo，这是一种用于自主逆向设计的 Agentic 框架，可将自然语言性能目标转化为经过全波仿真验证的设计。其候选进化策略整合了语言推理、基于物理的预测和历史反馈。大语言模型根据任务目标和计算历史提出参数调整的方向和幅度。该系统将定向增量与全局采样相结合来生成候选者，并在对它们进行排名之前使用低成本预测模型作为物理原理。只有高级设计才会进行全波仿真。通过物理有效性检查的结果用于评估性能并指导后续搜索。训练任务的经验被进一步提炼为文本技能，这些技能在用于新任务之前经过独立验证。在保留 AbsorbBench-36 任务的相同提案预算下，AbsorbEvo 的任务成功率为 79.17%，而通用Agent为 25.00%，随机搜索为 12.50%。其平均最佳覆盖率为 0.7816，而分别为 0.6434 和 0.6448。通过将语言推理和基于物理的反馈集成到设计决策中，AbsorbEvo 为自然语言驱动的微波吸收器自主逆向设计提供了方法基础。