PDE-Agent：面向PDE求解的工具增强型多智能体框架
人工智能
2025-12-23 v2
摘要
求解偏微分方程(PDE)是工程和科学研究的基石。传统方法繁琐，依赖手动设置和专业知识。虽然Physics-Informed Neural Network(PINN)引入了端到端神经网络求解方法，DeepXDE等框架进一步提升了自动化，但这些方法仍依赖专家知识且缺乏完全自主性。本文将PDE求解建模为通过LLM驱动的智能体调用工具，引入PDE-Agent——首个工具增强型多智能体协作框架，继承了LLM的推理能力和外部工具的可控性，实现从自然语言描述的自动化PDE求解。PDE-Agent通过两种关键创新充分发挥多智能体和多工具协作的优势：(1)具备图内存的Prog-Act框架，实现多智能体协作，通过双环机制(局部修复和全局修订)实现有效的动态计划和错误纠正。(2)集成工具参数分离机制的Resource-Pool，实现多工具协作。中心化管理运行时资源，解决现有框架中工具间依赖关系的空白。为验证和评估这一PDE求解新范式，我们开发了PDE-Bench——用于智能体式工具协作求解的多类型PDE基准测试，提出了多层次指标用于评估工具协调。评估表明，PDE-Agent在复杂多步骤、跨步骤依赖任务中展现出卓越的适用性和性能。这种工具增强型多智能体PDE求解新范式将推动自动化科学计算的未来发展。我们将公开源代码和数据集。
引用
@article{arxiv.2512.16214,
title = {PDE-Agent: A toolchain-augmented multi-agent framework for PDE solving},
author = {Jianming Liu and Ren Zhu and Jian Xu and Kun Ding and Xu-Yao Zhang and Gaofeng Meng and Cheng-Lin Liu},
journal= {arXiv preprint arXiv:2512.16214},
year = {2025}
}
备注
Adding Affiliation Information on arXiv