[論文レビュー] SwarmFoam: An OpenFOAM Multi-Agent System Based on Multiple Types of Large Language Models

Chunwei Yang, Yankai Wang+7 more|arXiv (Cornell University)|Jan 12, 2026

Lattice Boltzmann Simulation Studies被引用数 0

ひとこと要約

SwarmFoamは、OpenFOAMを基盤とするマルチエージェントCFDフレームワークで、複数種類の大規模言語モデルを用いてマルチモーダル知覚、エラー修正、および外部情報を活用した推論補強を可能にし、複雑なシミュレーションを実現します。さまざまな入力モダリティで顕著な合格率を達成します。

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.

研究の動機と目的

• マルチエージェントシステムと大規模言語モデルを活用して知的なCFDシミュレーションを動機づける。
• 複雑なジオメトリを扱う際の従来のLLMベースCFDエージェントの制約に対処する。
• CFDタスクのためのマルチモーダル知覚と堅牢なガイダンスを実現するフレームワーク（SwarmFoam）を提案する。

提案手法

• OpenFOAMとマルチエージェントシステムを統合し、LLMベースのエージェントを調整する。
• 画像と高レベル指示を受け付けるマルチモーダル知覚を組み込む。
• シミュレーション入力に適応する知的なエラー訂正を採用する。
• 推論を外部情報で補足するRetrieval-Augmented Generationを活用する。
• 複雑なジオメトリのために画像とテキスト指示のデュアルパースをサポートする。

実験結果

リサーチクエスチョン

• RQ1 SwarmFoamはテキストと画像の複数モダリティからの入力を用いたCFDシミュレーションを信頼性高く処理できるか。
• RQ2 複数モーダリティおよび自然言語入力は、さまざまなテストケースを通じて正確なCFDシミュレーションを達成するうえでどれほど効果的か。
• RQ3 25件のテストケースセットに対するSwarmFoamの全体的な合格率とモダリティ別の性能はどうなるか。

主な発見

• 全体の合格率は25件のテストケースで84％。
• 自然言語入力ケースの合格率は80％。
• マルチモーダル入力ケースの合格率は86.7％。