KI-gesteuerte PDE-Exploration: Simulationen enthüllen neue Skalierungsregeln

In einem wegweisenden Ansatz verbindet die neue Studie multi‑Agenten‑LLMs mit sogenannten Latent Foundation Models (LFMs), um physikalische Phänomene, die durch partielle Differentialgleichungen (PDEs) beschrieben werden, systematisch zu erforschen. Während klassische Untersuchungen auf aufwändigen Laborexperimenten oder kostenintensiven numerischen Simulationen beruhen, ermöglicht die Kombination aus LLMs und LFMs eine kontinuierliche, automatisierte Exploration von PDE‑Räumen.

Das LFM fungiert als On‑Demand‑Surrogat-Simulator: Es lernt kompakte, entangled latente Repräsentationen von Strömungsfeldern und erlaubt Agenten, beliebige Parameter‑ und Randbedingungen mit nahezu null Kosten abzufragen. Durch eine hierarchische Agentenarchitektur wird ein geschlossener Zyklus aus Hypothesenbildung, Experimentieren, Analyse und Verifikation orchestriert – alles über ein tool‑modulares Interface, das keine Benutzereingriffe erfordert.

Als Demonstration wurde das System auf die Strömung um tandem‑Zylinder bei Reynolds‑Zahl 500 angewendet. Die autonome Analyse von über 1.600 Parameter‑Lokalisationen führte zur Entdeckung divergenter Skalierungsregeln: ein regimespezifisches Zwei‑Modus‑Verhalten für die minimale Verschiebungstärke und eine robuste lineare Skalierung für die maximale Impulstärke. Beide Landschaften zeigen eine duale Extrema‑Struktur, die bisher unbekannte Einblicke in die Dynamik von Strömungsphänomenen liefert.