AutoMS: Multi-Agent Evolutionary Search for Cross-Physics Inverse Microstructure Design

Created by

Haebom

저자

Zhenyuan Zhao, Yu Xing, Tianyang Xue, Lingxin Cao, Xin Yan, Lin Lu

💡 개요

이 연구는 상호 연관된 다중 물리 특성을 갖는 미세구조 설계의 근본적인 문제를 해결하기 위해 AutoMS라는 새로운 프레임워크를 제안합니다. AutoMS는 LLM을 이용한 진화 탐색을 통해 복잡한 요구사항을 분해하고 에이전트들의 작업을 조정하며, 시뮬레이션 인지적 진화 탐색 메커니즘으로 수치 최적화를 수행합니다. 이를 통해 17개의 다양한 다중 물리 과제에서 83.8%의 최첨단 성공률을 달성하며 기존 방법론들을 크게 능가합니다.

🔑 시사점 및 한계

•

LLM 기반의 의미론적 탐색과 시뮬레이션 기반의 수치 탐색을 분리함으로써 복잡한 물리적 환경을 효과적으로 탐색할 수 있는 강력한 경로를 제공합니다.

•

기존의 전통적인 최적화 방법론이나 딥러닝 생성 모델의 한계를 극복하는 새로운 접근 방식을 제시합니다.

•

LLM의 "물리적 환각" 문제 해결에 기여할 수 있으며, 실제 물리 법칙을 준수하는 미세구조 설계를 가능하게 합니다.

•

아직 탐색되지 않은 더 복잡하고 다양한 물리 현상에 대한 AutoMS의 성능을 추가적으로 검증하고, 에이전트 협업 및 탐색 효율성을 더욱 개선하는 연구가 필요합니다.

PDF 보기

Made with Slashpage