小型大语言模型在物理仿真几何生成中的作用
计算工程、金融与科学
2025-03-25 v1
摘要
工程师广泛依赖仿真平台（如 COMSOL 或 ANSYS）来建模和优化过程。然而，这类仿真的设置需要专业知识，包括定义几何、生成网格、建立边界条件以及配置求解器。本研究旨在通过使工程师能够以自然语言描述其仿真 setup，使 Large Language Model（LLM）能够为其特定应用生成必要的输入文件，从而简化这一过程。该新方法建立了自然语言与复杂工程任务之间的直接联系。基于前期工作评估了 various LLMs 在简单几何和复杂几何上生成输入文件的能力，本研究证明，小型 LLM——具体而言为 Phi-3 Mini 和 Qwen-2.5 1.5B——可以通过微调（LoRA）生成 GMSH 格式的精确工程几何。我们构建了包含简单形状（正方形、矩形、圆形和半圆）和更复杂结构（I 型梁、圆柱管和弯管）的 480 对 instruction-output 对的微调数据集。经微调的模型产生了高保真度输出，能够以最小干预处理常规几何生成。尽管在涉及多实体组合几何的情形仍面临挑战，但本研究表明，针对特定任务进行微调的小型模型在某些情况下可以超越像 GPT-4o 这样的大型模型，为工程应用提供了一个精确且资源高效的替代方案。
引用
@article{arxiv.2503.18178,
title = {The Power of Small LLMs in Geometry Generation for Physical Simulations},
author = {Ossama Shafiq and Bahman Ghiassi and Alessio Alexiadis},
journal= {arXiv preprint arXiv:2503.18178},
year = {2025}
}
备注
24 pages, 17 figures