高性能計算システム上での自動設計探索のためのマルチエージェント協調

今日の科学的課題は、気候モデリングから慣性閉じ込め融合設計、新規材料設計に至るまで、巨大な設計空間を探索することを要求します。高影響度の科学的発見を可能にするためには、仮説を検証し、結果を生成し、それらから迅速に学ぶ能力を拡大する必要があります。私たちは MADA（マルチエージェント設計アシスタント）、複雑な設計ワークフローを調整するために専門エージェントを協調させる大規模言語モデル（LLM）搭載のマルチエージェントフレームワークを提示します。ジョブ管理エージェント（JMA）は HPC システム上でエンサンブルシミュレーションを起動・管理し、ジオメトリアージェント（GA）はメッシュを生成し、逆設計エージェント（IDA）はシミュレーション結果に基づいて新しい設計を提案します。一般目的を有しますが、開発と検証は、慣性閉じ込め融合における重要な課題であるリヒトミャー＝メシュコフ不安定性（RMI）の抑制に焦点を当てています。我々は、2つの補完的な設定で評価します：HPC システム上での流体力学シミュレーションの実行と、迅速な設計探索のための事前学習済みの機械学習代理モデルの使用。私たちの結果は、MADA システムが反復的な設計洗練を成功裡に実行し、最小限の手動介入で最適な RMI 抑制へ向けて設計を自動的に改善することを示します。私たちのフレームワークは、煩雑な手動ワークフロー設定を削減し、スケールでの自動設計探索を可能にします。より広く言えば、推論、シミュレーション、専門ツール、協調ワークフローを結びつける再利用可能なパターンを提示し、科学的発見を加速します。