LLM experiments with simulation: Large Language Model Multi-Agent System for Process Simulation Parametrization in Digital Twins

要約

この論文では、デジタル ツインにおけるプロセス シミュレーションのパラメーター化を自動化するために大規模言語モデル (LLM) を適用する、マルチエージェント システム フレームワークの新しい設計について説明します。
我々は、観察、推論、決定、要約という 4 つのタイプのエージェントを含むマルチエージェント フレームワークを提案します。
LLM エージェントとシミュレーション モデル間の動的な対話を可能にすることで、開発されたシステムはシミュレーションのパラメータ化を自動的に調査し、ヒューリスティック推論を使用して一連のパラメータを決定し、目的を達成するためにシミュレーションを制御できます。
提案されたアプローチは、LLM からのヒューリスティックを注入することでシミュレーション モデルを強化し、ユーザー タスクを解決するための実行可能なパラメータ化の自律的な検索を可能にします。
さらに、このシステムは、複雑な意思決定プロセスを支援することで、使いやすさを向上させ、人間のユーザーの認知的負荷を軽減する可能性があります。
システムの有効性と機能性はケーススタディを通じて実証されており、視覚化されたデモは GitHub リポジトリ: https://github.com/YuchenXia/LLMDrivenSimulation から入手できます。

要約(オリジナル)

This paper presents a novel design of a multi-agent system framework that applies a large language model (LLM) to automate the parametrization of process simulations in digital twins. We propose a multi-agent framework that includes four types of agents: observation, reasoning, decision and summarization. By enabling dynamic interaction between LLM agents and simulation model, the developed system can automatically explore the parametrization of the simulation and use heuristic reasoning to determine a set of parameters to control the simulation to achieve an objective. The proposed approach enhances the simulation model by infusing it with heuristics from LLM and enables autonomous search for feasible parametrization to solve a user task. Furthermore, the system has the potential to increase user-friendliness and reduce the cognitive load on human users by assisting in complex decision-making processes. The effectiveness and functionality of the system are demonstrated through a case study, and the visualized demos are available at a GitHub Repository: https://github.com/YuchenXia/LLMDrivenSimulation

arxiv情報

提供元, 利用サービス

arxiv.jp, Google