大规模仿真的模型输入验证
分布式、并行与集群计算
2024-09-10 v1
摘要
可靠的仿真对于分析和理解复杂系统至关重要，但其准确性取决于正确的输入数据。无效或超出范围的值、缺失数据以及格式不一致等错误输入可能导致仿真崩溃或未被察觉的结果失真，最终破坏结论的有效性。本文提出了一种验证仿真输入数据有效性的方法，我们将此过程称为模型输入验证（MIV）。我们在 FabGuard 中实现了这一方法，FabGuard 是一个工具集，它利用已建立的数据模式和验证工具来满足仿真建模的特定需求。我们引入了一种形式化方法来对 MIV 模式进行分类，并提供了一个可集成到现有仿真工作流中的精简验证流水线。FabGuard 的适用性在三个不同领域得到了展示：冲突驱动的迁移、灾害疏散和疾病传播模型。我们还探索了使用大语言模型（LLMs）来自动化约束生成和推理。在一个迁移仿真的案例研究中，LLMs 不仅正确推断了 23 个开发者定义约束中的 22 个，还识别了现有约束中的错误并提出了新的有效约束。我们的评估表明，MIV 在大型数据集上是可行的，FabGuard 在 140 秒内高效处理了 12,000 个输入文件，并且在不同的文件大小下保持了稳定的性能。
引用
@article{arxiv.2409.05768,
title = {Model Input Verification of Large Scale Simulations},
author = {Rumyana Neykova and Derek Groen},
journal= {arXiv preprint arXiv:2409.05768},
year = {2024}
}