[논문 리뷰] SwarmFoam: An OpenFOAM Multi-Agent System Based on Multiple Types of Large Language Models

Chunwei Yang, Yankai Wang외 7명|arXiv (Cornell University)|2026. 01. 12.

Lattice Boltzmann Simulation Studies인용 수 0

한 줄 요약

SwarmFoam은 OpenFOAM에 기반한 다중 에이전트 CFD 프레임워크로서 다중 유형의 대형 언어 모델을 사용하여 다중 모달 인지, 오류 수정 및 retrieval-augmented generation을 복합 시뮬레이션에 가능하게 한다. 다양한 입력 모듈에서 주목할 만한 합격률을 달성한다.

ABSTRACT

Numerical simulation is one of the mainstream methods in scientific research, typically performed by professional engineers. With the advancement of multi-agent technology, using collaborating agents to replicate human behavior shows immense potential for intelligent Computational Fluid Dynamics (CFD) simulations. Some muti-agent systems based on Large Language Models have been proposed. However, they exhibit significant limitations when dealing with complex geometries. This paper introduces a new multi-agent simulation framework, SwarmFoam. SwarmFoam integrates functionalities such as Multi-modal perception, Intelligent error correction, and Retrieval-Augmented Generation, aiming to achieve more complex simulations through dual parsing of images and high-level instructions. Experimental results demonstrate that SwarmFoam has good adaptability to simulation inputs from different modalities. The overall pass rate for 25 test cases was 84%, with natural language and multi-modal input cases achieving pass rates of 80% and 86.7%, respectively. The work presented by SwarmFoam will further promote the development of intelligent agent methods for CFD.

연구 동기 및 목표

• 지능형 CFD 시뮬레이션을 다중 에이전트 시스템과 대형 언어 모델을 활용하여 자극한다.
• 복잡한 기하학을 다루는 기존 LLM 기반 CFD 에이전트의 한계를 해결한다.
• CFD 작업을 위한 다중 모달 인지 및 견고한 안내를 가능하게 하는 프레임워크(SwarmFoam)를 제안한다.

제안 방법

• OpenFOAM을 다중 에이전트 시스템과 통합하여 LLM 기반 에이전트를 조정한다.
• 이미지와 고수준 지시를 수용하기 위한 다중 모달 인지를 도입한다.
• 시뮬레이션 입력에 적응하기 위한 지능적 오류 수정 도입한다.
• External information으로 추론을 보완하기 위한 Retrieval-Augmented Generation을 활용한다.
• 복잡한 기하학을 위한 이미지와 텍스트 명령의 이중 파싱을 지원한다.

실험 결과

연구 질문

• RQ1 SwarmFoam이 텍스트와 이미지의 여러 모달리티에서 입력을 사용한 CFD 시뮬레이션을 신뢰성 있게 처리할 수 있는가?
• RQ2 다양한 테스트 케이스에서 정확한 CFD 시뮬레이션을 달성하기 위해 다중 모달 및 자연어 입력이 얼마나 효과적인가?
• RQ3 25개의 테스트 케이스 집합에서 SwarmFoam의 전반적 합격률과 모달리티별 성능은 무엇인가?

주요 결과

• 전체 25개 테스트 케이스의 합격률은 84%이다.
• 자연어 입력 케이스의 합격률은 80%이다.
• 다중 모달 입력 케이스의 합격률은 86.7%이다.