エージェント型リスク認識セットベース設計

要旨: 本論文では、工学設計の初期段階を支援するために、大規模言語モデル（LLM）によって導かれるマルチエージェントの枠組みを提案する。工学設計の初期段階は、しばしば膨大なパラメータ空間と内在する不確実性によって特徴づけられる。人間が介在する（human-in-the-loop）パラダイムのもとで運用され、空力翼型（aerodynamic airfoil）設計という典型的な問題で実証されたこの枠組みは、専門化されたエージェントのチームを用いる。すなわち、コーディング支援アシスタント（Coding Assistant）、設計エージェント（Design Agent）、システムズエンジニアリングエージェント（Systems Engineering Agent）、アナリストエージェント（Analyst Agent）であり、これらは人間のマネージャ（human Manager）によって統括される。集合ベース設計（set-based design）の哲学に統合されたプロセスでは、まずマネージャとコーディング支援アシスタントが協調して一連の検証済みツールを開発する共同フェーズから始まり、その後、エージェントが構造化されたワークフローを実行して、多数の初期設計候補を体系的に探索し、絞り込む。 本研究の重要な貢献は、形式的なリスク管理を明示的に統合した点にあり、定量的指標としてConditional Value-at-Risk（CVaR）を用いることで、性能要求を満たせない可能性が高い設計、具体的には目標揚力係数に対して、設計をフィルタリングする。 この枠組みは、アナリストエージェントによって実施されるグローバル感度分析を通じて、手作業に頼りがちな初期探索を自動化し、他のエージェントを導くための実行可能なヒューリスティックを生成する。プロセスは最終的に、信頼性の高い計算流体力学（CFD）シミュレーションを付加して、人間のマネージャに対し、有望な設計候補の厳選セットを提示することで締めくくられる。 このアプローチは、大量の解析タスクを処理するためにAIを効果的に活用し、リスク評価済みの最終設計を選択する際に、人間の専門家の意思決定能力を高める。