.png){kind=icon}
返回
ChronoLLM: customizing language models for physics-based simulation code generation
.png){kind=icon}
OA
AI
DOI：10.1007/s11044-026-10152-x.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
本研究的关注点如下：预训练的大型语言模型（LLMs）能否经过精炼和定制，达到成为虚拟助手帮助用户有效使用仿真工具的程度？在本案例研究中，所考虑的“仿真工具”是PyChrono，一个用于多体系统的开源多物理场动力学引擎。我们提出了一种用于精炼和定制开源及闭源LLMs的框架，以利用AI在生成执行PyChrono虚拟实验的脚本方面的能力。我们通过一个过程对几类LLMs进行了精炼和定制，该过程带来了生成的PyChrono仿真脚本质量的可量化提升。这些脚本的范围可以从简单的单摆仿真到涉及完整车辆在可变形地形上的复杂虚拟实验。虽然生成的脚本很少是完美的，但它们通常为用户提供强大的起点进行修改和改进。此外，LLM可以回答关于仿真器的特定API问题，或推荐建模方法。所讨论的框架具有通用性，可以应用于降低与其他应用领域相关仿真工具的入门门槛。
Keyword:
Large language model
Multi-physics simulation
Project Chrono
PyChrono
Virtual experiments
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
2.4
论文数:
159
被引数:
2.5K
机构
引用论文
.png){kind=icon}
Numerical Study on the Swimming and Energy Self-Sufficiency of Multi-Joint Robotic Fish多关节仿生机器鱼游动与能量自给能力的数值研究
PREAI
分享收藏Physics-informed neural networks: A deep learning framework for solving forward and inverse problems involving nonlinear partial differential equations物理信息神经网络: 一种用于解决涉及非线性偏微分方程的正反问题的深度学习框架OAAI
OAAI分享收藏
查看更多内容