LLM experiments with simulation: Large Language Model Multi-Agent System for Process Simulation Parametrization in Digital Twins

本文提出了一种新颖的多智能体系统框架设计，应用大型语言模型（LLM）自动化数字孪生过程模拟的参数化。我们提出了一个多智能体框架，包括四种类型的智能体：观察、推理、决策和总结。通过启用LLM智能体和模拟模型之间的动态交互，开发的系统可以自动探索模拟的参数化，并使用启发式推理确定一组参数来控制模拟以实现目标。所提出的方法通过将LLM启发式融入模拟模型，增强了模拟模型，并使其能够自主搜索可行的参数化以解决用户任务。此外，该系统有潜力增加用户友好性，并通过协助复杂的决策过程，减轻人类用户的认知负荷。通过案例研究展示了该系统的有效性和功能，并可在GitHub存储库中找到可视化演示：https://github.com/YuchenXia/LLMDrivenSimulation。

本论文旨在设计一个多智能体系统框架，应用大型语言模型（LLM）自动化数字孪生中过程模拟的参数化。论文试图解决数字孪生中复杂参数化问题的挑战。

论文提出了一个包含四种类型智能体的多智能体框架：观察、推理、决策和总结。通过启用LLM智能体和模拟模型之间的动态交互，系统可以自动探索模拟的参数化，并使用启发式推理确定一组参数来控制模拟以实现目标。

论文通过案例研究展示了系统的有效性和功能，并提供了可视化演示。论文使用了开源代码，代码存储于GitHub Repository中。此外，该系统具有提高用户友好性和减少人类用户认知负担的潜力。

最近的相关研究包括基于深度学习的数字孪生建模和模拟，以及多智能体系统在数字孪生中的应用。