Foam-Agent: A large language model-based multi-agent framework for automating computational fluid dynamics workflows

doi:10.1016/j.cma.2026.119271

Foam-Agent: A large language model-based multi-agent framework for automating computational fluid dynamics workflows

2026-08-01

0

PRE

AI

DOI：10.1016/j.cma.2026.119271

原文链接

原文求助

摘要

En 中文

计算流体动力学（CFD）已成为计算物理学的主要工具，但其陡峭的学习曲线和碎片化、多阶段的流程造成了显著的入门障碍。我们提出Foam-Agent，一个多智能体框架，利用大型语言模型（LLMs）从单一自然语言提示中自动化OpenFOAM的端到端CFD流程。Foam-Agent基于三项方法论贡献。首先，一种多索引检索方案沿着四个互补的结构维度组织领域知识，并按流程阶段选择索引，提高了检索精度，优于传统的单索引检索增强生成。其次，依赖感知的文件生成被表述为OpenFOAM案例依赖图的一种拓扑遍历，因此每个配置文件在其已生成的先验文件背景下合成，确保跨文件一致性。第三，一种轨迹条件审查循环通过基于自身先前尝试的累积错误和诊断轨迹进行修正，迭代修复失败的运行，并在每一步应用针对减小求解器错误集的最小配置编辑。围绕这些贡献，六个专业智能体覆盖了规划、网格划分、文件编写、执行、审查和可视化；Foam-Agent还通过模型上下文协议暴露其能力，作为外部编排器的部署界面。在FoamBench上，Foam-Agent在110个基础级任务上实现了88.2%的执行成功率，在分布外的高级级任务上实现了62.5%，分别是先前MetaOpenFOAM框架的1.6倍和5倍，两者均使用Claude 3.5 Sonnet，且无需专家干预，我们还报告了一个互补的场级保真度指标，以区分无崩溃执行与解的准确性。这些结果表明，战略性地利用专业多智能体系统可以降低专业知识壁垒，同时保持基于求解器的模拟流程的严谨性。

Keyword:

Computational fluid dynamics

Large language models

Multi-agent systems

Retrieval-augmented generation

OpenFOAM

Scientific computing

Foam-Agent: A large language model-based multi-agent framework for automating computational fluid dynamics workflows

摘要

期刊

机构

引用论文