크리스탈 플라스틱성 시뮬레이션 워크플로우를 위한 하네스 엔지니어링된 agent: CP-Agent

금속의 기계적 성질을 예측하는 결정성 플라스틱성(Crystal Plasticity, CP) 시뮬레이션은 아직도 실질적인 사용을 방해하는 한계를 가지고 있다. CP 시뮬레이션을 구동하는 데 필요한 다양한 도구의 설정, 다단계 데이터 PIPE라인의 조율, 실험 데이터와의 상수 매개변수 조정 등이 모두 수동으로 진행되는 것이 문제다. 이러한 장애물은 체계적인 매개변수 연구의 생산성을 저해하고 있다. 따라서 자동화된 워크플로우의 필요성이 생기게 되었다. 이 연구에서는 CP-Agent라는 대규모 언어 모델(LLM)-기반의 agent를 제시한다. CP-Agent는 자연어 작업을 통해 CP 모델링 워크플로우를 완전히 자동으로 수행할 수 있다. CP-Agent는 ReAct 패러다임 하에 작동한다. 이 agent는 도구의 선택과 시퀀스에 대한 논리를 통해 논리적 추론을 수행하고, 수치적 검색은Established Optimizer에 위임한다. CP-Agent의 하네스는 최소한의 시스템 프롬프트, 형식화된 도구 정의, 디스패처, 그리고 안전한 반복 루프로 구성된다. 이 하네스는 도메인 지식은 도구 스키마를 통해 정의되며, 하드 코딩된 논리 대신 사용된다. CP-Agent는 네 가지 사례 연구를 통해 검증되었다. 첫 번째 사례에서는 316L 스테인리스 스틸의 4 개의 슬립 매개변수를 조정하는 데 사용되었으며, tensile 데이터와 일치했다. 두 번째 사례에서는 Copper benchmark와의 비교를 통해 workflow의 유효성을 검증했다. 이 과정에서 stress-strain과 texture evolution을 재현했다. 세 번째 사례에서는 Copper의 초기 결정 성분 texture를 회복하는 데 사용되었으며, agent가 diffuse 초기 texture를 정확하게 식별했다. 네 번째 사례에서는 Mg-Zn-Ca 합금의 다단계 rolling texture evolution을 재현하는 데 사용되었으며, agent가 5 단계의 변형을 연쇄화하고 experimentally 관찰된 weakened, split basal texture를 회복했다. 모든 사례에서 agent는 task statement를 통해 올바른 실행 시퀀스를 추론했으며, 반복적으로 실행되었을 때도 robust했으며, 물리적으로 해석할 수 있는 결과를 제공했다. 이 연구에서는 하네스 엔지니어링을 통해 CP 모델링 워크플로우를 자동화하는 체계적인 접근법을established한다. 이 접근법은 물리적 해석 가능성과 감사 가능성을 유지하기 위해 visible reasoning traces를 통해 유지된다.