AutoSurrogate Framework Utilizza Agenti LLM per Automatizzare la Creazione di Modelli Surrogati di Deep Learning per il Flusso Sotterraneo

Un nuovo framework chiamato AutoSurrogate sfrutta i grandi modelli linguistici per automatizzare la costruzione di modelli surrogati di deep learning per le simulazioni del flusso sotterraneo. Il sistema affronta un significativo divario di competenze permettendo agli scienziati di dominio senza conoscenze di machine learning di costruire surrogate di alta qualità attraverso istruzioni in linguaggio naturale. La simulazione numerica ad alta fedeltà del flusso sotterraneo rimane computazionalmente intensiva per compiti multi-query come la quantificazione dell'incertezza e l'assimilazione dei dati. Sebbene i surrogate di deep learning possano accelerare le simulazioni dirette, la loro costruzione manuale richiede una sostanziale competenza in ML nella progettazione dell'architettura e nella regolazione degli iperparametri. Questa dipendenza da scelte euristiche e conoscenze specializzate ha limitato una più ampia adozione di queste tecniche. AutoSurrogate impiega quattro agenti specializzati che lavorano in modo collaborativo quando vengono forniti dati di simulazione e preferenze utente opzionali. Il framework mira a ridurre la dipendenza dai processi manuali che attualmente ostacolano un'implementazione più ampia dei metodi surrogate DL nei problemi di flusso sotterraneo. L'approccio è stato documentato in un articolo pubblicato su arXiv con identificatore 2604.11945v1.