SysCaps: Language Interfaces for Simulation Surrogates of Complex Systems

要約

代理モデルは、従来の数値的手法でシミュレートするには高すぎる複雑なエネルギーシステムの動作を予測するために使用されます。
私たちの研究では、「システムキャプション」またはSyscapsと呼ばれる言語の説明の使用を紹介して、そのような代理人とのインターフェースを紹介します。
私たちは、テキスト、特に自然言語を介して代理人と対話することにより、これらのモデルが専門家と非専門家の両方でよりアクセスしやすくなると主張しています。
軽量のマルチモーダルテキストとタイムリーの回帰モデルと、シミュレーションメタデータの高品質のキャプションを合成するために大規模な言語モデル（LLM）を使用するトレーニングパイプラインを紹介します。
建物と風力発電所の2つの現実世界のシミュレーターでの実験は、Syscapsが昇給した代理人が、同じテストシステムの意味的に関連する説明を処理するなど、新しい一般化能力を享受しながら、従来の方法よりも保有システムの精度が高いことを示しています。
また、追加の実験は、言語主導の設計スペース探査のロックを解除し、迅速な増強を通じてトレーニングを正規化するSyscapsの可能性を強調しています。

要約(オリジナル)

Surrogate models are used to predict the behavior of complex energy systems that are too expensive to simulate with traditional numerical methods. Our work introduces the use of language descriptions, which we call “system captions” or SysCaps, to interface with such surrogates. We argue that interacting with surrogates through text, particularly natural language, makes these models more accessible for both experts and non-experts. We introduce a lightweight multimodal text and timeseries regression model and a training pipeline that uses large language models (LLMs) to synthesize high-quality captions from simulation metadata. Our experiments on two real-world simulators of buildings and wind farms show that our SysCaps-augmented surrogates have better accuracy on held-out systems than traditional methods while enjoying new generalization abilities, such as handling semantically related descriptions of the same test system. Additional experiments also highlight the potential of SysCaps to unlock language-driven design space exploration and to regularize training through prompt augmentation.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google