ALL-FEM: نظام مستقل لتوليد أكواد العناصر المنتهية باستخدام نماذج لغوية متقدمة
يقدم نظام ALL-FEM حلاً متكاملاً يجمع بين الذكاء الاصطناعي والنماذج اللغوية المتخصصة لتسهيل عمليات تحليل العناصر المنتهية. من خلال تحسين أدائها، يستطيع هذا النظام تحويل التحديات التقنية إلى نتائج دقيقة ومضمونة.
في عالم الهندسة الحسابية، تشكل تحليلات العناصر المنتهية (Finite Element Analysis) جوهر التصميم والتحقق من المنتجات المصنعة. يساعد هذا النظام في محاكاة أنظمة فيزيائية معقدة بدءًا من السوائل والمواد الصلبة وصولاً إلى أنظمة متعددة الفيزياء.
ومع ذلك، فإن تنفيذ أكواد تحليل العناصر المنتهية وتحليل نتائج المحاكاة يتطلب خبرة متقدمة في مجالات مثل التحليل العددي وميكانيكا الأوساط المستمرة والبرمجة. قد تتمكن نماذج اللغة الكبيرة (Large Language Models) التقليدية من توليد أكواد تحليلية، لكنها غالبًا ما تعاني من أخطاء وتفتقر إلى الفهم العميق للهياكل المتغيرة، مما يمنعها من إغلاق الحلقة بين صياغة المشكلة والحل المؤكد.
هنا يأتي دور نظام ALL-FEM، الذي يمثل نظامًا مستقلاً يجمع بين الذكاء الاصطناعي الفاعل ونماذج لغوية محددة تم تحسينها لتوليد أكواد فئة FEniCS لمختلف التطبيقات بما في ذلك solids، fluids، وأنظمة متعددة الفيزياء.
لقد قام الباحثون بتجميع أكثر من 1000 نص برمجي موثوق من FEniCS، من خلال دمج أكثر من 500 كود خبير مختار، باستخدام منهجية تفاعلية متعددة تعتمد على مجموعة من نماذج اللغة. هذه المنهجية توفر أكواد تناسب مجموعة متنوعة من المعادلات التفاضلية الجزئية (PDEs) والأشكال والظروف الحدية.
تم استخدام هذه المجموعة لتحسين نماذج اللغة بحجم يتراوح بين 3 مليارات و120 مليار معلمة. يعمل إطار العمل الفاعل لدينا على تنسيق مجموعة من الوكلاء المتخصصين، مما يمكّنهم من صياغة المشاكل كمعادلات تفاضلية جزئية، وتوليد الأكواد وتصحيحها، بالإضافة إلى تصور النتائج بدقة.
تم تقييم النظام على 39 معيارًا تشمل قضايا تتعلق بالمرونة الخطية وغير الخطية، والانسيابية، والتفاعل بين السوائل والهياكل، والحرارة، وغيرها. في إطار نظام متعدد الوكلاء يتضمن ملاحظات فورية، حقق أفضل نموذج مُحسَّن (GPT OSS 120B) نجاحًا بنسبة 71.79% في مستوى الأكواد، متفوقًا على تطبيق GPT 5 Thinking غير الفاعل.
يظهر نظام ALL-FEM كيف أن نماذج اللغة المتخصصة، من خلال إطار العمل الفاعل، يمكن أن تُحوِّل عمليات تحليل العناصر المنتهية، مما يقدم نموذجًا للأنظمة المستقلة في مجال العلوم والهندسة الحاسوبية.
ومع ذلك، فإن تنفيذ أكواد تحليل العناصر المنتهية وتحليل نتائج المحاكاة يتطلب خبرة متقدمة في مجالات مثل التحليل العددي وميكانيكا الأوساط المستمرة والبرمجة. قد تتمكن نماذج اللغة الكبيرة (Large Language Models) التقليدية من توليد أكواد تحليلية، لكنها غالبًا ما تعاني من أخطاء وتفتقر إلى الفهم العميق للهياكل المتغيرة، مما يمنعها من إغلاق الحلقة بين صياغة المشكلة والحل المؤكد.
هنا يأتي دور نظام ALL-FEM، الذي يمثل نظامًا مستقلاً يجمع بين الذكاء الاصطناعي الفاعل ونماذج لغوية محددة تم تحسينها لتوليد أكواد فئة FEniCS لمختلف التطبيقات بما في ذلك solids، fluids، وأنظمة متعددة الفيزياء.
لقد قام الباحثون بتجميع أكثر من 1000 نص برمجي موثوق من FEniCS، من خلال دمج أكثر من 500 كود خبير مختار، باستخدام منهجية تفاعلية متعددة تعتمد على مجموعة من نماذج اللغة. هذه المنهجية توفر أكواد تناسب مجموعة متنوعة من المعادلات التفاضلية الجزئية (PDEs) والأشكال والظروف الحدية.
تم استخدام هذه المجموعة لتحسين نماذج اللغة بحجم يتراوح بين 3 مليارات و120 مليار معلمة. يعمل إطار العمل الفاعل لدينا على تنسيق مجموعة من الوكلاء المتخصصين، مما يمكّنهم من صياغة المشاكل كمعادلات تفاضلية جزئية، وتوليد الأكواد وتصحيحها، بالإضافة إلى تصور النتائج بدقة.
تم تقييم النظام على 39 معيارًا تشمل قضايا تتعلق بالمرونة الخطية وغير الخطية، والانسيابية، والتفاعل بين السوائل والهياكل، والحرارة، وغيرها. في إطار نظام متعدد الوكلاء يتضمن ملاحظات فورية، حقق أفضل نموذج مُحسَّن (GPT OSS 120B) نجاحًا بنسبة 71.79% في مستوى الأكواد، متفوقًا على تطبيق GPT 5 Thinking غير الفاعل.
يظهر نظام ALL-FEM كيف أن نماذج اللغة المتخصصة، من خلال إطار العمل الفاعل، يمكن أن تُحوِّل عمليات تحليل العناصر المنتهية، مما يقدم نموذجًا للأنظمة المستقلة في مجال العلوم والهندسة الحاسوبية.
