Les LLMs peuvent-ils calibrer des simulateurs d'ingénierie sous contraintes budgétaires ?
En bref
- Les LLMs proposent des mises à jour de paramètres physiques plus efficaces que les optimiseurs classiques en début de calibration.
- L'avantage des LLMs disparaît après 15 évaluations, mais leur utilisation comme amorce réduit les coûts de 47% par rapport aux méthodes standards.
- Une approche hybride (LLM + optimiseur) atteint une précision cible en seulement 9 évaluations contre plus de 60 pour l'optimisation bayésienne.
Cette étude évalue l'efficacité des grands modèles de langage pour calibrer des simulateurs d'ingénierie coûteux en proposant des mises à jour de paramètres physiques. Les résultats montrent un avantage initial significatif, mais limité dans le temps, nécessitant une approche hybride pour des gains durables.
Ce que ça change pour vous
- Industrie & ManufacturingLes LLMs accélèrent la calibration des simulateurs d'ingénierie, réduisant les coûts de R&D et améliorant la précision des modèles physiques.
Ce résumé vous donne l'essentiel. L'article complet, ses chiffres et ses citations sont chez cs.AI updates on arXiv.org.
Lire l'article originalRésumé généré par IA à partir de la source, relu par règles. Signaler une erreur