OpenFOAMGPT 2.0: end-to-end, trustworthy automation for computational fluid dynamics

저자: Jingsen Feng, Ran Xu, Xu Chu | 날짜: 2025-04-27 | DOI: 10.48550/arXiv.2504.19338 📄 PDF

Essence

Figure 1: The design of multi-Agent framework for CFD. Red components represent user interfaces

자연어 쿼리로부터 완전히 자동화된 전산유체역학(CFD) 시뮬레이션을 수행하는 첫 번째 다중 에이전트 LLM 프레임워크를 제안하며, 450개 이상의 시뮬레이션에서 100% 성공률을 달성했다.

Motivation

Known: Large Language Models는 다양한 분야에서 다중 에이전트 시스템으로 활용되고 있으며, CFD는 정확한 수치 사양과 전문성을 요구하는 복잡한 계산 작업이다.
Gap: CFD 시뮬레이션의 높은 진입장벽과 복잡한 워크플로우로 인해 접근성이 제한되어 있으며, LLM을 활용한 자동화된 end-to-end CFD 시뮬레이션 프레임워크가 부족하다.
Why: CFD의 자동화를 통해 과학 컴퓨팅의 접근성을 높이고 생산성을 향상시킬 수 있으며, 신뢰성 높은 다중 에이전트 시스템이 과학 계산의 엄격한 요구 사항을 충족할 수 있음을 입증하는 것이 중요하다.
Approach: Pre-processing, Prompt Generation, OpenFOAMGPT (simulator), Post-processing의 네 개의 특화된 에이전트를 통합하여 자동으로 메시 생성, 시뮬레이션 구성, 실행, 후처리를 수행하는 다중 에이전트 프레임워크를 구성한다.

Achievement

완전 자동화 end-to-end 워크플로우: 자연어 쿼리로부터 메시 생성, CFD 시뮬레이션 실행, 결과 후처리까지 인간 개입 없이 완전 자동화
높은 신뢰성과 재현성: 450개 이상의 시뮬레이션에서 100% 성공률과 100% 재현성 달성
다양한 유동 현상 검증: Poiseuille 흐름, 단일·다중상 다공질 매질 흐름, 항공역학 분석 등 다양한 케이스 스터디로 검증
매개변수 연구 자동화: 단일 케이스뿐만 아니라 다중 케이스 매개변수 연구를 자동으로 식별하고 실행
접근성 개선: 전문가가 아닌 사용자도 자연언어 인터페이스를 통해 복잡한 CFD 시뮬레이션 수행 가능

How

Figure 1: The design of multi-Agent framework for CFD. Red components represent user interfaces

Pre-processing Agent: 사용자 쿼리 분석을 통해 단일/다중 케이스 분류, blockMesh 대 snappyHexMesh 메시 전략 자동 선택
Prompt Generation Agent: 단일 케이스는 직접 쿼리 사용, 다중 케이스는 매개변수 변수를 체계적으로 분해하여 케이스별 프롬프트 생성 및 Prompt Pool에 저장
OpenFOAMGPT Agent: (1) Configuration Generation - 작업별 요구사항을 OpenFOAM 구성 파일로 매핑, 온도 0으로 설정하여 결정론적 출력 보장, (2) Automated Execution Management - OpenFOAM v2406 Docker 컨테이너에서 시뮬레이션 실행 및 모니터링
Post-processing Agent: 시뮬레이션 결과를 시각화하고 분석하여 사용자에게 제공
자동 오류 수정 루프: 시뮬레이션 실패 시 오류 메시지를 분석하여 자동으로 수정 및 재실행

Originality

CFD 분야 최초의 다중 에이전트 LLM 기반 end-to-end 자동화 프레임워크
매개변수 연구에서 파일 수정 방식 대신 완전한 프롬프트 재생성 방식 채택으로 OpenFOAM의 엄격한 문법 요구사항 충족
온도 0 설정과 시스템 프롬프트 설계를 통해 LLM의 결정론적 고정밀 출력 보장
조율된 다중 에이전트 아키텍처를 통해 과학 계산의 zero-tolerance 신뢰성 요구사항 달성

Limitation & Further Study

현재 OpenFOAM에 국한되어 있으며 다른 CFD 소프트웨어로의 확장성 미검증
복잡한 기하학적 구조나 고도로 비선형적인 흐름 문제에 대한 성능이 제한적일 수 있음
메시 품질 자동 검증 및 최적화 메커니즘 부재
사용자가 생성된 구성 파일의 물리적 타당성을 검증할 방법 제공 필요
후속 연구: 다른 CFD 플랫폼 지원, 고급 메시 최적화 에이전트 추가, 물리 기반 오류 검증 메커니즘 개발, 실시간 시뮬레이션 피드백 루프 구현

Evaluation

Novelty: 4/5 Technical Soundness: 4/5 Significance: 4/5 Clarity: 4/5 Overall: 4/5

총평: CFD의 자동화와 접근성 향상에 대한 실질적이고 검증된 솔루션을 제시하며, 다중 에이전트 LLM 아키텍처가 과학 계산의 엄격한 신뢰성 요구사항을 충족할 수 있음을 입증하는 중요한 기여이다.

같이 보면 좋은 논문

기반 연구

Mooseagent: A llm based multi-agent framework for automating moose simulation

Moose 시뮬레이션 자동화를 다중 에이전트로 실현했던 MooseAgent는 OpenFOAMGPT 2.0의 기초 아키텍처와 평가 기준이 된다.

기반 연구

AutoNumerics: An Autonomous, PDE-Agnostic Multi-Agent Pipeline for Scientific Computing

물리 기반 신경망 또는 수치 해석 자동화의 기반 방법론을 제공하는 연구이다.

기반 연구

Automating Computational Chemistry Workflows via OpenClaw and Domain-Specific Skills

130번 논문은 OpenClaw와 ChemAutoML을 활용한 자동화된 계산화학/시뮬레이션 워크플로우를 다루어, 588번의 자연어 기반 CFD 자동화 연구의 개념적 토대를 제공한다.

기반 연구

TurboAgent: An LLM-Driven Autonomous Multi-Agent Framework for Turbomachinery Aerodynamic Design

OpenFOAMGPT 2.0 논문은 CFD/FEA 시스템 워크플로우 자동화의 핵심 기술 및 벤치마크를 다루어 TurboAgent의 기술적 기반을 제공한다.

다른 접근

MechAgents: Large language model multi-agent collaborations can solve mechanics problems, generate new data, and integrate knowledge

MechAgents는 실험/계산과 공학적 설계 자동화에 LLM 기반 다중 에이전트 시스템을 도입하며, 분야는 다르지만 방법론적 유사점이 있다.

다른 접근

MetaOpenFOAM: an LLM-based multi-agent framework for CFD

CFD 분야의 LLM 기반 멀티에이전트 자동화 시스템으로, OpenFOAM에 초점을 맞춘 다양한 접근법을 비교할 수 있다.

다른 접근

OSDA Agent: Leveraging Large Language Models for De Novo Design of Organic Structure Directing Agents

594번 논문은 에이전트 구조를 활용해 유기구조지향제설계에 적용하므로, 588번과 같이 특화된 과학 시뮬레이션 완전 자동화 대안을 다루고 있다.

다른 접근

OpenFOAMGPT: A retrieval-augmented large language model (LLM) agent for OpenFOAM-based computational fluid dynamics

복수의 LLM 기반 OpenFOAM 시뮬레이션 자동화 방법론을 비교함으로써, 신뢰성·자동화 효율성별 차이점을 파악할 수 있습니다.

다른 접근

AI Agents in Engineering Design: A Multi-Agent Framework for Aesthetic and Aerodynamic Car Design

기하 딥러닝이나 생성형 AI를 공학 설계에 적용하는 유사한 방법론의 연구이다.

다른 접근

Nanostructured Material Design via a Retrieval-Augmented Generation (RAG) Approach: Bridging Laboratory Practice and Scientific Literature

588번은 CFD 시뮬레이션 완전 자동화를 다룬 multi-agent LLM 시스템으로, 569번의 에이전트 기반 자동설계 연구와 유사한 방향성을 보인다.

후속 연구

Mooseagent: A llm based multi-agent framework for automating moose simulation

LLM multi-agent로 전산유체역학의 완전 자동화를 실현한 사례로, 559의 MooseAgent 시스템을 실질적으로 보완한다.

후속 연구

OpenFOAMGPT: A retrieval-augmented large language model (LLM) agent for OpenFOAM-based computational fluid dynamics

OpenFOAMGPT의 차세대 모델로 보다 신뢰도 높은 CFD 자동화 프레임워크를 제시해, 기존 연구의 한계를 보완합니다.

후속 연구

VASPilot: MCP-Facilitated Multi-Agent Intelligence for Autonomous VASP Simulations

OpenFOAMGPT 2.0은 VASPilot처럼 계산 과학 워크플로우 자동화에 초점을 맞춘 시스템으로, 유사 프레임워크의 확장적 응용 사례를 보여준다.

응용 사례

MLLM-based discovery of intrinsic coordinates and governing equations from high-dimensional data

LLM을 활용한 환류적 CFD 시뮬레이션 자동화 사례로, 547의 동영상 → 좌표/방정식 추론 프레임워크 적용을 확장한다.

← 목록으로 돌아가기