Large Language Model Agent for User-friendly Chemical Process Simulations
تقدم هذه الورقة نموذج لغة كبيرة (LLM) مدمجاً مع برنامج AVEVA Process Simulation عبر بروتوكول سياق النموذج (Model Context Protocol)، مما يتيح التفاعل باللغة الطبيعية لأتمتة مهام العمليات الكيميائية المعقدة مثل التحليل، والتحسين، وتخليق المخططات التدفقية، مما يعزز كلاً من الإمكانية التعليمية والكفاءة المهنية مع استمرار الحاجة إلى إشراف الخبراء.
المؤلفون الأصليون:Jingkang Liang, Niklas Groll, Gürkan Sin
تخيل أنك تحاول بناء قلعة معقدة من قطع "ليغو"، لكن دليل التعليمات مكتوب بشفرة سرية لا يفهمها إلا مهندس معماري ماهر. يتعين عليك النقر يدويًا عبر مئات القوائم الصغيرة، واختيار القطع الصحيحة من كتالوج ضخم، وحساب السلامة الهيكلية بنفسك. إذا ارتكبت خطأً واحدًا، فقد ينهار البناء بأكل، وسيتعين عليك البدء من جديد. هذا هو حال استخدام برامج محاكاة العمليات الكيميائية التقليدية بالنسبة لمعظم الناس: فهي قوية، ولكن استخدامها صعب للغاية دون سنوات من التدريب.
تقدم هذه الورقة البحثية "مساعدًا ذكيًا" جديدًا مصممًا للتحدث مع هذا البرنامج المعقد نيابة عنك. إليك كيف يعمل، مقسمًا إلى مفاهيم بسيطة:
"المترجم" و"اليد الروبوتية"
بنى الباحثون نظامًا يعمل بمثابة مترجم بينك وبين البرنامج المعقد (المسمى AVEVA Process Simulation، أو APS).
أنت (المستخدم): تتحدث فقط إلى النظام بلغة إنجليزية بسيطة، كأنك تطلب المساعدة من صديق. "هل يمكنك أن تريني كيف أفصل الماء والميثانول؟" أو "كيف يمكنني جعل هذه العملية أكثر كفاءة؟"
وكيل النموذج اللغوي الكبير (العقل): هذا هو جزء "النموذج اللغوي الكبير". فكر فيه كأنه متدرب واسع المعرفة ولكنه مفرط الحماس قليلاً. إنه يفهم طلبك، ويجزئه إلى خطوات، ويعرف الأدوات التي يجب استخدامها.
خادم MCP (اليد الروبوتية): هذا هو الجسر الحاسم. "العقل" لا يمكنه لمس البرنامج مباشرة. "اليد الروبوتية" (المبنية باستخدام بروتوكول يسمى MCP) تأخذ تعليمات "العقل" وتقوم فعليًا بالنقر على الأزرار، وكتابة الأرقام، وتشغيل الحسابات داخل البرنامج.
الاختباران: قراءة خريطة وبناء منزل
لمعرفة ما إذا كان هذا النظام يعمل حقًا، اختبره الباحثون باستخدام مشكلة كيميائية شائعة: فصل خليط من الماء والميثانول (مثل فصل الزيت والماء، ولكن باستخدام مواد كيميائية). وقد أجريا اختبارين مختلفين:
1. اختبار المحقق (التحليل)
المهمة: أعطوا الوكيل محاكاة موجودة ومبنية مسبقًا وسألوه: "ماذا يحدث هنا، وكيف يمكننا تحسين ذلك؟"
النتيجة: تصرف الوكيل كمحقق. نظر إلى "مسرح الجريمة" (المحاكاة)، وقرأ الأدلة (البيانات)، وكتب تقريرًا. لقد حدد المعدات والأرقام بشكل صحيح.
العائق: عندما طُلب منه تقديم أفكار لتحسين العملية، قدم الوكيل قائمة طويلة من الاقتراحات. بعضها كان عبقريًا (مثل "ارفع درجة الحرارة قليلاً")، لكن بعضها الآخر كان "هلوسة" أو متفائلًا للغاية (مثل اقتراح آلة جديدة معقدة لم تكن مطلوبة).
الدرس المستفاد: الوكيل بارع في العثور على البيانات وطرح الأفكار، لكنه أحيانًا يصبح متحمسًا جدًا ويقترح أشياء ليست صحيحة تمامًا. يحتاج إلى خبير بشري للتحقق من "أفضل الأفكار" قبل تجربتها.
2. اختبار البناء (التوليف)
المهمة: طلبوا من الوكيل بناء المحاكاة بالكامل من الصفر. واختبروا طريقتين لإعطاء التعليمات:
الدليل "خطوة بخطوة": يخبر المستخدم الوكيل بالضبط بما يجب فعله خطوة صغيرة تلو الأخرى ("صل هذه الأنبوبة"، ثم "أضف هذا الخزان"). اتبع الوكيل الأوامر بدقة، مثل روبوت يطيع جهاز تحكم عن بعد.
الأمر "الواحد المباشر": أعطى المستخدم جملة بسيطة واحدة: "ابنِ فاصلًا للماء والميثانول". حاول الوكيل فهم الخطة بأكملها بمفرده.
النتيجة: استطاع الوكيل بناء المحاكاة في كلا الوضعين. في وضع "الأمر الواحد المباشر"، كان أداؤه مثيرًا للإعجاب ولكنه ارتكب بعض الأخطاء الصغيرة، مثل محاولة ضبط قرص غير موجود أو ضبط قيمة لا يمكن للبرنامج التعامل معها بعد.
الدرس المستفاد: يمكن للوكيل بناء الهيكل، لكنه يحاول أحيانًا تدوير مقابض مقفلة. يحتاج إلى إنسان للتدخل وإصلاح مشكلات "التقارب" (النقطة التي تصبح فيها الرياضيات صعبة جدًا بحيث لا يستطيع الكمبيوتر حلها تلقائيًا).
الخلاصة: مساعد طيار، وليس طيارًا
تخلص الورقة البحثية إلى أن هذا النظام هو مساعد طيار قيم، وليس طيارًا آليًا.
للطلاب: يشبه وجود معلم خصوصي يمكنه إطلاعك على كيفية عمل البرنامج وشرح المصطلحات الصعبة بكلمات بسيطة.
للخبراء: يشبه وجود مساعد فائق السرعة يمكنه استخراج جميع البيانات التي تحتاجها في ثوانٍ، مما يوفر عليك عناء النقر عبر القوائم لساعات.
قاعدة السلامة: نظرًا لأن الوكيل هو ذكاء اصطناعي، فإنه قد "يتخيل" بعض الحقائق أو يرتكب أخطاء رياضية صغيرة. تؤكد الورقة على ضرية وجود خبير بشري دائمًا في المسار للتحقق من النتائج. يعمل البرنامج نفسه كشبكة أمان (لن يسمح بكسر قوانين الفيزياء)، ولكن الإنسان مطلوب لتفسير اقتراحات الذكاء الاصطناعي.
باختصار، تظهر هذه الورقة أنه يمكننا الآن التحدث إلى برامج الهندسة الكيميائية المعقدة بلغة إنجليزية بسيطة. يقوم الذكاء الاصطناعي بالعمل الشاق المتمثل في العثور على البيانات وبناء النماذج، لكن المهندس البشري يظل هو القبطان، الذي يقود السفينة ويتخذ القرارات النهائية.
ملخص تقني: وكيل نماذج اللغات الكبيرة (LLM) لمحاكاة العمليات الكيميائية سهلة الاستخدام
بيان المشكلة
تعد برامج محاكاة العمليات الكيميائية الحديثة، مثل (AVEVA Process Simulation - APS)، أدوات لا غنى عنها لتصميم وتحسين الأنظمة الصناعية. ومع ذلك، فإن اعتمادها على نطاق واسع تعوقه منحنيات التعلم الحادة، ومتطلبات التكوين اليدوي المكثفة، وضرورة وجود خبرة عميقة في المجال. تتطلب سير العمل التقليدية من المهندسين التنقل عبر واجهات رسومية معقدة، والاختيار اليدوي للنماذج الديناميكية الحرارية، وامتلاك معرفة وثيقة بالمبادئ الفيزيائية لتحقيق نتائج ذات مغزى. هذه العوائق تحد من إمكانية الوصول للمهندسين المبتدئين، والفرق متعددة التخصصات، والمؤسسات ذات الخبرة المحدودة في المحاكاة. وبينما أظهر الذكاء الاصطناعي ونماذج اللغات الكبيرة (LLMs) وعوداً في الاستنتاج المستقل وتكامل الأدوات، إلا أن الحلول الحالية لم تنجح بعد في سد الفجوة بين واجهات الذكاء الاصطناعي الحوارية والمتطلبات الحتمية الصارمة لمحاكاة الهندسة الكيميائية الحساسة للسلامة.
المنهجية
يقترح المؤلفون إطار عمل مبتكر يدمج وكيلًا يعتمد على نماذج اللغات الكبيرة (LLM) مع برنامج محاكاة عمليات تجاري (APS) عبر بروتوكول سياق النموذج (Model Context Protocol - MCP). يستبدل هذا الهيكل التفاعل اليدوي المباشر بواجهة حوارية ذكية مع الحفاظ على الصرامة الأساسية لمحرك المحاكاة.
البنية الهيكلية
يتكون إطار العمل من ثلاثة مكونات رئيسية:
وكيل نماذج اللغات الكبيرة (عميل MCP): يعمل داخل تطبيق مضيف (Claude Desktop مدعوم بـ Claude Sonnet 4.0)، يقوم هذا المكون بتفسير طلبات اللغة الطبيعية، وتفكيك المهام المعقدة، وتنسيق استدعاءات الأدوات، والحفاظ على سياق الحوار. وهو يعمل كقلب إدراكي، يخطط لسير العمل متعدد الخطوات.
خادم MCP: تعمل هذه الطبقة الوسيطة على تجريد واجهة برمجة تطبيقات Python الخاصة بالمحاكي إلى مجموعة أدوات عالية المستوى ونظيفة. تم بناء الخادم باستخدام FastMCP، وهو يكشف عن وظائف Python محددة الأنواع كأدوات ذات مدخلات ومخرجات وتوصيفات استخدام محددة. تسمح هذه البنية المنفصلة للنموذج اللغوي بالتفاعل مع المحاكي دون الحاجة إلى تخصيص خاص بالنموذج، مما يتيح الانتقال السلس عبر نماذج لغات كبيرة مختلفة.
تكامل محاكي العمليات: يتصل خادم MCP ببرنامج APS (إصدار 2025) عبر واجهة البرمجة النصية الخاصة به. تقوم مجموعة مختارة من الأدوات بتغليف استدعاءات API الخاصة بـ APS في عمليات ذات مغزى (مثل: aps_connect و sim_create و model_add و var_set_multiple و fluid_create). يضمن ذلك بقاء جميع الحسابات الهندسية الحتمية مرتبطة بالمحللات القائمة على الفيزياء في APS، بينما يتولى نموذج اللغة الكبيرة الترجمة الدلالية لنية المستخدم إلى إجراءات هندسية.
دراسات الحالة
تم تقييم إطار العمل باستخدام عملية فصل الماء والميثانول (التقطير) من خلال دراستي حالة متميزتين:
دراسة الحالة 1 (التحليل والتحسين): كُلف الوكيل بتحليل مخطط تدفق محاكاة موجود، وتحديد فرص التحسين، وتحسين نسبة الارتداد بشكل تكراري لتحقيق نقاء ميثانول مستهدف (>95 مول%).
دراسة الحالة 2 (تخليق مخطط التدفق): تم تقييم قدرة الوكيل على بناء مخطط تدفق محاكاة من مواصفات عالية المستوى تحت نمطين:
الحوار خطوة بخطوة: قدم المستخدم تعليمات تدريجية لكل خطوة (مثل إضافة عمود، توصيل المنافذ).
المطالبة الواحدة (Single-Prompt): قدم المستخدم مطالبة واحدة عالية المستوى لبناء مخطط التدفق بالكامل بشكل مستقل.
المساهمات الرئيسية
التكامل القائم على MCP: يقدم البحث نهجًا معياريًا محايدًا للمورد لربط وكلاء نماذج اللغات الكبيرة ببرامج الهندسة التجارية باستخدام بروتوكول سياق النموذج، مما يسهل بنية منفصلة حيث يكتشف الوكلاء قدرات المحاكاة ويستدعونها ديناميكيًا.
مجموعة أدوات مختارة لـ APS: تطوير مجموعة أدوات شاملة قائمة على Python تترجم أوامر اللغة الطبيعية إلى عمليات دقيقة في APS، تغطي بناء مخطط التدفق، والتلاعب بالمعلمات، واستخراج النتائج.
إطار تفاعل ثنائي النمط: عرض نموذجين للتفاعل — البناء الموجه خطوة بخطوة للسياقات التعليمية/الرقابية، والتخليق المستقل عبر مطالبة واحدة للنماذج الأولية السريعة — مما يسلط الضوء على المقايضات بين تحكم المستخدم واستقلالية الوكيل.
التقييم التجريبي: تقييم صارم لقدرات الوكيل في تحليل بيانات المحاكاة المعقدة، وتوليد مقترحات تحسين العمليات، وتنفيذ حلقات التحسين التكرارية دون تدخل بشري مستمر.
النتائج
أظهر إطار العمل قدرات كبيرة في كل من مهام التحليل والتخليق، وإن كان مع وجود قيود ملحوظة تتطلب إشرافًا بشريًا.
التحليل والتحسين (دراسة الحالة 1)
استخراج البيانات: نجح الوكيل في الاتصال بـ APS، واستعادة طوبولوجيا مخطط التدفق، واستخراج المتغيرات الرئيسية (مثل 356 من أصل 2006 متغيرًا) لإنشاء ملخص مهيكل للعملية.
مقترحات التحسين: أنتج الوكيل قائمة شاملة من 11 تحسينًا محتملاً (مثل زيادة المراحل، تحسين نسبة الارتداد، التكامل الحراري). وبينما كانت معظم الاقتراحات سليمة تقنيًا (صُنفت كـ "جيدة جدًا" أو "جيدة")، إلا أن بعضها افتقر إلى الصلة بالسياق المحدد (مثل اقتراح التقطير التفاعلي لعملية فصل غير تفاعلية) أو احتوى على عدم دقة طفيفة فيما يتعلق بافتراضات كفاءة الصينية.
التحسين التكراري: نفذ الوكيل بنجاح حلقة تكرارية لضبط نسبة الارتداد، محققًا نقاء الميثانول المستهدف (95.1 مول%) من خط أساس بلغ 84.2 مول%. وقد حدد بشكل صحيح مقايضة الطاقة (زيادة بنسبة 6% في القدرة الحرارية).
القيود: أظهر الوكيل أخطاء حسابية طفيفة في المقاييس المشتقة (مثل النسب المئوية للتغيير) وأنتج تقديرات اقتصادية بناءً على بيانات التدريب بدلاً من المصادر الموثقة. كما قدم أحيانًا ملاحظات "متفائلة للغاية" دون تحفظات نقدية.
تخليق مخطط التدفق (دراسة الحالة 2)
نمط خطوة بخوة: اتبع الوكيل تعليمات المستخدم التدريجية لبناء مخطط التدفق بشكل موثوق، مع التعامل بشكل صحيح مع استدعاءات الأدوات لإضافة النماذج، وتوصيل المنافذ، وضبط المتغيرات. أثبت هذا النمط فعاليته في السياقات التعليمية حيث يحتفظ المستخدم بالتحكم الدقيق.
نمط المطالبة الواحدة: أظهر الوكيل استقلالية عالية، حيث قام ببناء مخطط تدفق وظيفي من مطالبة واحدة. نجح في اختيار النماذج الديناميكية الحرارية (NRTL)، وتكوين المعدات، وضبط معلمات التشغيل.
المشكلات التقنية: في نمط المطالبة الواحدة، حاول الوكيل ضبط متغيرات غير محددة في واجهة APS (مثل تدفق المقطر كمدخل مباشر) وقام بتعديلات بارامترية سابقة لأوانها (مثل ضبط كفاءة التلامس قبل التبديل إلى وضع "Solve"). كما فشل في التعرف على أن بعض أسماء المنافذ لا يمكن استرجاعها برمجياً، مما تطلب تدخل المستخدم لإتمام الاتصالات.
التقارب: في كلا النمطين، اعتمد إطار العمل على التدخل البشري للتبديل من وضع "التكوين" (Configure) إلى وضع "الحل" (Solve)، حيث أن هذه الخطوة غالبًا ما تؤدي إلى مشكلات في التقارب تتطلب تشخيصًا خبيرًا.
الأهمية والادعاءات
يزعم البحث أن إطار العمل هذا يمثل خطوة قيمة نحو دمقرطة الوصول إلى قدرات محاكاة العمليات الكيميائية المتقدمة دون المساس بالمعايير الهندسية.
تعاوني، وليس بديلاً: يضع المؤلفون وكلاء نماذج اللغات الكبيرة كأدوات تعاونية تعزز الخبرة الهندسية ولا تستبدلها. تم تصميم إطار العمل لمساعدة الممارسين ذوي الخبرة عبر أتمتة استخراج البيانات الروتينية والعصف الذهني، مع توجيه المبتدئين عبر سير العمل المعقد.
السلامة والصرامة: من خلال إبقاء المحلل الحتمي القائم على الفيزياء (APS) كمحرك للتنفيذ واستخدام نموذج اللغة الكبيرة فقط للتنسيق والترجمة الدلالية، يحافظ إطار العمل على السلامة والموثوقية المطلوبة في التطبيقات الصناعية. يوفر المحاكي نفسه طبقة من التحقق التلقائي للقوان الفيزيائية.
القيمة التعليمية والعملية: يظهر النظام وعدًا كأداة تعليمية لترجمة المفاهيم التقنية وتوضيح سير العمل، وكأداة إنتاجية للمهندسين ذوي الخبرة لتسريع التصميم الأولي والتحسين.
الاتجاهات المستقبلية: يقر المؤلفون بالقيود الحالية، بما في ذلك الحاجة إلى إشراف الخبراء لتصحيح الهلوسة، والأخطاء الحسابية، والتفسيرات الخاطئة للسياق. ويقترحون عملًا مستقبليًا يتضمن أنظمة متعددة الوكلاء (MAS) ذات أدوار متخصصة (مثل الديناميكا الحرارية، واستكشاف الأخطاء وإصلاحها)، والتوليد المعزز بالاسترجاع (RAG) للمعرفة بالمجال، وتوسيع مجموعات الأدوات لإجراء تحليل الحساسية والتحسين للتعامل مع مخططات تدفق صناعية أكثر تعقيدًا.
في الختام، تثبت الدراسة أن وكلاء نماذج اللغات الكبيرة يمكنهم العمل بفعالية كواجهات ذكية لمحاكيات العمليات الكيميائية، مما يجسر الفجوة بين نية اللغة الطبيعية والتنفيذ الهندسي الصارم، بشرما يظل الإشراف البشري جزءًا لا يتجزأ من سير العمل.