AutoSiMP: Autonomous Topology Optimization from Natural Language via LLM-Driven Problem Configuration and Adaptive Solver Control

Dit paper introduceert AutoSiMP, een autonoom systeem dat natuurlijke taalbeschrijvingen van structurele problemen via een LLM-gestuurde configurator en een adaptieve solver omzet in gevalideerde binaire topologie-optimalisaties zonder handmatige tussenkomst.

De kern

Stel je voor dat je een meesterbouwer bent die een brug, een auto of een vliegtuig wil ontwerpen. Maar in plaats van zelf de blauwdrukken te tekenen, wil je gewoon tegen een computer zeggen: "Maak een stevige brug die over een rivier gaat, met een auto eroverheen, maar gebruik zo min mogelijk materiaal mogelijk."

Vroeger was dit onmogelijk. Je moest eerst een ingewikkeld computerprogramma leren, honderden technische instellingen handmatig invullen en precies uitleggen waar de krachten op moesten werken. Als je één foutje maakte, crashte het programma of ontwierp het iets dat in elkaar zou storten.

AutoSiMP is de oplossing voor dit probleem. Het is een slimme, autonome robot die deze hele taak voor je overneemt. Hier is hoe het werkt, vertaald in een simpel verhaal:

1. De Vertaler (De LLM-configurator)

Stel je voor dat AutoSiMP een zeer slimme tolk is die zowel "mensentaal" als "computertaal" spreekt.

• Jij zegt: "Maak een klem die links vastzit en waar rechts een zware last hangt, met een gat in het midden voor een pijp."
• De tolk denkt: "Ah, dat is een 'cantilever beam' met een 'passive region'."
• Het resultaat: De tolk schrijft een perfecte, foutloze technische opdracht (een 'blauwdruk') voor de computer, zonder dat jij ook maar één technische term hoeft te kennen. Hij controleert zelfs of de opdracht logisch is (bijvoorbeeld: "Je kunt geen gewicht hangen op een punt dat al vastzit!").

2. De Bouwmeester (De Boundary-Condition Generator)

Nu de opdracht klaar is, moet deze worden omgezet in iets wat de bouwmachine begrijpt.

• De tolk geeft de opdracht aan de Bouwmeester. Deze vertaalt de tekst naar een digitaal raster (een mesh) van duizenden kleine blokjes.
• Hij plaatst precies de juiste "spijkers" (vastzittende punten) en "krachten" (waar de last hangt) op het raster. Het is alsof hij de bouwplaat voor je uitprint en alle instructies erop zet.

3. De Slimme Werkman (De SIMP Solver & Controller)

Dit is het hart van het systeem. De computer begint nu te "dromen" over de beste vorm.

• Het proces: De computer begint met een blok vol materiaal. Vervolgens begint hij langzaam materiaal weg te halen op plekken waar het niet nodig is, en het te versterken waar het wel nodig is.
• De slimme werkman: Normaal gesproken moet een mens handmatig zeggen: "Haal nu iets meer weg," of "Maak de randen scherper." AutoSiMP heeft een slimme werkman (een controller) die dit zelf doet. Hij kijkt naar de voortgang en past de regels automatisch aan om het beste resultaat te krijgen.
  • Interessant detail: De auteurs hebben getest of een menselijke "regelschema" (een vaste lijst met instructies) of een AI-werkman beter is. De AI-werkman vond soms iets sterkere ontwerpen, maar de vaste regels waren betrouwbaarder. De beste strategie? Laat de AI de opdracht geven, maar laat de vaste regels het werk doen.

4. De Kwaliteitscontroleur (De Evaluator)

Voordat het ontwerp wordt afgeleverd, kijkt een strenge Kwaliteitscontroleur er naar.

• Hij checkt 8 dingen: Is het ontwerp in één stuk? Is het niet te grijs (halfvol, halfleeg)? Is het sterk genoeg? Is het materiaalverbruik juist?
• Als er iets mis is (bijvoorbeeld: het ontwerp valt uit elkaar), geeft de controleur een tip: "Probeer het nog eens, maar met meer tijd of minder materiaal."

5. De "Opnieuw"-Knop (De Retry Loop)

Als de eerste poging faalt, geeft AutoSiMP niet op. Het kijkt naar de foutmelding, past de instellingen aan en probeert het opnieuw. Dit gebeurt automatisch, tot het een perfect ontwerp heeft.

Waarom is dit zo speciaal?

Vroeger was Topologie-Optimalisatie (het vinden van de beste vorm) alleen voor experts. AutoSiMP maakt dit toegankelijk voor iedereen.

• Het is een volautomatische fabriek: Je geeft een idee, en je krijgt een kant-en-klaar, getest ontwerp.
• Het is betrouwbaar: Zelfs als de AI de opdracht soms net iets anders interpreteert dan jij bedoelde, zorgt het systeem ervoor dat het eindresultaat altijd veilig en bruikbaar is.
• Het is visueel: Er is zelfs een website waar je dit live kunt zien. Je kunt slepen met pijlen op het scherm om je ontwerp aan te passen, en zien hoe de computer in real-time de vorm verandert.

Kortom: AutoSiMP is als een magische assistent die jouw dromen van een perfect gebouw of machine omzet in een technisch haalbaar, sterk en efficiënt ontwerp, zonder dat jij ooit een ingewikkeld boekje hoeft te lezen. Het is de brug tussen "wat ik wil" en "wat de natuurkunde toestaat".

Technische samenvatting

Probleemstelling

Topologie-optimalisatie (TO), en specifiek de SIMP-methode (Solid Isotropic Material with Penalization), is een krachtige techniek om de optimale materiaaldistributie binnen een ontwerpgebied te vinden. Hoewel de solvers zelf mature en vaak open-source zijn, vormt de configuratie een grote barrière voor niet-specialisten. Voordat een iteratie kan starten, moet de gebruiker handmatig:

• Het ontwerpgebied definiëren en discretiseren (mesh).
• Randvoorwaarden toewijzen (vaste punten, rollen, scharnieren) aan specifieke vrijheidsgraden (DOF's).
• Krachtvectoren construeren op basis van lastbeschrijvingen.
• Passieve gebieden definiëren (bijv. gaten voor bouten of vaste inserts).
• Numerieke parameters kiezen (volume-fractie, filterstraal, iteratiebudget).

Elke stap vereist domeinkennis in zowel constructiemechanica als de specifieke solver-implementatie. Fouten hierin leiden tot solver-falen of stilzwijgend onjuiste resultaten. Bestaande ML-approaches focussen vaak op het versnellen van de solver of het genereren van ontwerpen, maar negeren de upstream stap: het vertalen van een natuurlijke taalbeschrijving naar een geldige, solver-klaar specificatie.

Methodologie: De AutoSiMP-pijplijn

AutoSiMP is een autonoom systeem dat een natuurlijke taal-prompt omzet in een gevalideerde, binaire topologie. Het systeem bestaat uit vijf modules die sequentieel werken:

1. LLM-gebaseerde Configurator (Module 1):

   • Een LLM-agent (Gemini Flash Lite) parseert een Engelse prompt (bijv. "kragbalk, linkerzijde vast, last in het midden-rechts") naar een gestructureerde ProblemSpec (JSON).
   • Deze specificatie bevat geometrie, mesh, ondersteuningen, lasten, passieve gebieden en volume-fractie.
   • Safety Rails: Deterministische regels valideren de output (bijv. bereikclamping, detectie van ontbrekende ondersteuningen, detectie van lasten op vaste DOF's). Als de LLM faalt, valt het systeem terug op regex-parsing.

2. Randvoorwaarden Generator (Module 2):

   • Converteert de ProblemSpec naar solver-klaar arrays: vaste DOF-indexen, globale krachvectoren (met trapeziumregels voor verdeelde lasten) en een masker voor passieve elementen (die tijdens de optimalisatie "bevroren" blijven).

3. SIMP Solver met Pluggable Controller (Module 3):

   • Gebruikt een bestaande drie-veld SIMP-solver met Heaviside-projectie.
   • De solver is uitgerust met een pluggable controller die de voortgangsparameters ($p, \beta, r_{min}, \delta$) aanstuurt.
   • Er zijn zes controllers getest, variërend van een deterministisch schema tot een adaptieve LLM-agent.

4. Structurale Evaluator (Module 4):

   • Voert acht deterministische checks uit op het resultaat:
     • 5 Pass/Fail Gates: Connectiviteit (vloedvulling), compliantie-ratio, grijsheid (grayness), volume-fractie nauwkeurigheid, en convergentie.
     • 3 Informatieve Metrics: Dunne leden, checkerboard-index, en lastpad-efficiëntie.
   • Bij falen genereert de evaluator een diagnose en suggesties voor parameteraanpassing.

5. Retry Loop (Module 5):

   • Een gesloten lus die bij falen de parameters automatisch aanpast (bijv. meer iteraties, lagere volume-fractie) en de oplossing opnieuw uitvoert (maximaal 2 retries).

Interactieve Web Interface: Het systeem biedt een browser-based demo met visuele feedback, waarbij gebruikers lasten kunnen slepen en de mesh kunnen aanpassen voordat de solver draait.

Belangrijkste Bijdragen

1. Eerste End-to-End Autonomie: AutoSiMP is het eerste systeem dat een volledige cyclus realiseert: van natuurlijke taalbeschrijving tot een gevalideerde, binaire structuur, inclusief configuratie, randvoorwaarden, solving, evaluatie en herstel.
2. LLM Configurator: Ontwikkeling van een agent die complexe constructieproblemen vertaalt naar solver-specificaties met een hoge nauwkeurigheid.
3. Automatische Randvoorwaarde-generatie: Een robuuste bridge die willekeurige combinaties van randvoorwaarden en passieve gebieden omzet in DOF-arrays die exact overeenkomen met bestaande benchmarks.
4. Systeemvalidatie: Uitgebreide experimenten op drie assen: configuratienauwkeurigheid, controller-prestaties en end-to-end betrouwbaarheid.
5. Open Source & Demo: Publicatie van de volledige codebase (solver, configurator, evaluatoren) en een interactieve web-demo die geen installatie vereist.

Resultaten

De evaluatie omvatte 17 2D- en 2 3D-benchmarkproblemen.

• Configuratienauwkeurigheid: De LLM-configurator produceerde geldige specificaties voor alle 10 geteste cases. De mediane compliantie-straf ten opzichte van expert-geconfigureerde ground truth was slechts +0,3%.
• Controller Vergelijking:
  • De LLM-controller bereikte de laagste mediane compliantie (beste prestatie) maar had een doorlooppercentage van slechts 76,5% (door API-variabiliteit).
  • De Deterministische Schema-controller bereikte 100% doorlooppercentage met slechts +1,5% hogere compliantie dan de LLM-controller.
  • Ablatie-studies toonden aan dat de "exploratie-fase" (voor de scherpe staart) cruciaal is: een "tail-only" controller (zonder exploratie) leverde resultaten op die 2,8x slechter waren.
• End-to-End Betrouwbaarheid: Wanneer de LLM-configurator werd gecombineerd met de deterministische controller, slaagden alle 10 problemen in de eerste poging (100% doorloop), zonder dat retries nodig waren.
• 3D Generalisatie: Het systeem werkt succesvol op 3D-problemen, waarbij de LLM-controller een groter voordeel liet zien (tot 23% betere compliantie) vergeleken met 2D, waarschijnlijk omdat er geen standaard voortgangs-schema bestaat voor 3D.

Betekenis en Conclusie

AutoSiMP overbrugt de kloof tussen natuurlijke taal en complexe engineering-simulatie. Het paper toont aan dat:

1. De configuratie de belangrijkste barrière is voor TO, en deze nu volledig geautomatiseerd kan worden.
2. Er een trade-off bestaat tussen prestatie en betrouwbaarheid: LLM-controllers zijn goed in het vinden van optimale oplossingen maar minder betrouwbaar; deterministische schema's zijn robuust. De aanbevolen werkstroom is het combineren van de LLM-configurator (voor taalbegrip) met een deterministische controller (voor betrouwbaarheid).
3. Het systeem maakt topologie-optimalisatie toegankelijk voor niet-specialisten, waarbij de interactieve interface fungeert als een "human-in-the-loop" mechanisme om ambiguïteiten in natuurlijke taal (zoals de exacte positie van een last) visueel te verifiëren voordat de berekening start.

AutoSiMP stelt een nieuwe standaard voor autonome engineering-designsystemen en is de eerste die alle componenten van een TO-werkstroom integreert in één end-to-end pipeline.