面向可解释电力电子调制设计的物理信息自主 LLM 智能体
人工智能
2025-10-15 v2 新兴技术
摘要
基于大语言模型的自主智能体最近在解决复杂工业设计任务方面展现出强大的能力。然而，在致力于碳中和和高性能可再生能源系统的领域，当前的人工智能辅助设计自动化方法在可解释性、可扩展性和实际可用性方面面临关键挑战。为此，我们引入了 PHIA（Physics-Informed Autonomous Agent），一个由大语言模型驱动的系统，自动化地完成电力电子系统中电力变换器的调制设计，几乎无需人工干预。与传统基于管道的方法不同，PHIA 集成了基于大语言模型的规划模块，通过用户友好的聊天界面交互式地获取和验证设计要求。该规划器与物理信息仿真和优化组件协作，自主生成并迭代细化调制设计。交互式界面还通过提供文本解释和可视化输出，支持整个设计过程的可解释性。实验结果表明，PHIA 将标准平均绝对误差降低了 63.2%，加快了整体设计进程超过 33 倍。针对 20 名领域专家的用户研究进一步确认了 PHIA 在设计效率和可用性方面的优势，凸显了其在电力电子领域转变工业设计工作流程的潜力。
引用
@article{arxiv.2411.14214,
title = {Physics-Informed Autonomous LLM Agents for Explainable Power Electronics Modulation Design},
author = {Junhua Liu and Fanfan Lin and Xinze Li and Kwan Hui Lim and Shuai Zhao},
journal= {arXiv preprint arXiv:2411.14214},
year = {2025}
}
备注
Accepted to AAAI 2026 Innovative Applications of AI