Agentic Scientific Simulation: Execution-Grounded Model Construction and Reconstruction

Título: Simulação Científica Agente: Construção e Reconstrução de Modelos Baseada em Execução

Autores: Knut–Andreas Lie, Olav Møyner, Elling Svee e Jakob Torben (SINTEF Digital e NTNU, Noruega).

1. O Problema

O artigo aborda o desafio de utilizar Agentes de Inteligência Artificial (baseados em Grandes Modelos de Linguagem - LLMs) como assistentes científicos genuínos para simulações físicas. O problema central não é apenas gerar código que "funcione" (não apresente erros de sintaxe), mas sim garantir que o modelo gerado:

1. Faça sentido fisicamente: Represente fielmente a intenção do usuário e satisfaça as leis da física.
2. Resolva ambiguidades: Descrições em linguagem natural de modelos de simulação são inerentemente subespecificadas. Diferentes escolhas implícitas (ex: condições de contorno, parâmetros de fechamento constitutivo) podem levar a configurações fisicamente válidas, mas cientificamente distintas.
3. Garanta a reprodutibilidade: Sem a detecção explícita e resolução dessas ambiguidades, a correção do resultado e sua reprodutibilidade a partir da descrição original não podem ser asseguradas.

O trabalho questiona se um agente pode navegar em contratos de API, convenções de unidades e restrições globais da mesma forma que um assistente de pesquisa experiente, transformando descrições conceituais em configurações de simulação executáveis.

2. Metodologia

Os autores propõem e implementam o JutulGPT, um sistema que organiza a construção de modelos como um ciclo iterativo Interpretar–Agir–Validar, onde o simulador atua como árbitro autoritário da validade física.

• Arquitetura do Sistema:

  • Base: O sistema é construído sobre o JutulDarcy, um simulador de reservatórios em Julia totalmente diferenciável.
  • Ciclo de Trabalho:
    1. Interpretar: O agente analisa a intenção do usuário, identifica escolhas de modelagem subespecificadas e determina os componentes necessários.
    2. Agir: O agente recupera documentação e exemplos estruturados, sintetiza código (Julia) e realiza análises estáticas.
    3. Validar: O código é executado no ambiente local. O simulador verifica a admissibilidade física e numérica (conservação de massa, convergência do solver). Se falhar, o agente revisa o código com base nos diagnósticos do solver.
  • Resolução de Ambiguidades: Escolhas não especificadas são resolvidas autonomamente (com registro explícito de suposições) ou através de consultas direcionadas ao usuário.

• Características do Jutul: O framework foi escolhido por sua arquitetura baseada em resíduos, que permite diferenciação automática em toda a pilha computacional. Isso fornece diagnósticos estruturados e mensagens de erro explícitas, essenciais para o loop de validação do agente.

3. Contribuições Principais

1. JutulGPT: Uma implementação de referência que demonstra como um agente pode mediar a construção de modelos científicos sob subespecificação, usando a execução do simulador como guia.
2. Validação Baseada em Execução: A proposta de que a conclusão bem-sucedida de uma simulação (com tolerâncias de conservação e convergência atendidas) serve como um certificado de validade física, superior à simples ausência de erros de runtime.
3. Análise de Reconstrução: Um estudo experimental onde modelos executáveis foram regenerados a partir de descrições textuais com níveis crescentes de abstração (de um prompt de reprodução específico até uma descrição de estilo de jornal), revelando como a compressão representacional afeta a fidelidade do modelo.
4. Identificação de Limitações Estruturais: A descoberta de que suposições tácitas herdadas de padrões (defaults) do simulador são invisíveis para o registro de suposições do agente, criando uma lacuna na reprodutibilidade.

4. Resultados

Os experimentos foram conduzidos em quatro dimensões:

• Navegação Semântica: O agente conseguiu recuperar e sintetizar documentação distribuída para criar taxonomias coerentes de modelos (ex: modelos de poços), embora dependa da qualidade da documentação.
• Construção e Reparo Iterativo: Em um caso de teste de "quarto de cinco pontos" (two-phase flow), o agente corrigiu erros de assinatura de API e parâmetros através de múltiplos ciclos de tentativa, validação e reparo, até obter uma simulação convergente.
• Construção de Modelos Complexos: O agente construiu com sucesso um modelo 3D heterogêneo com deformação geométrica (anticlinal), heterogeneidade estocástica e múltiplos poços, resolvendo restrições globais (injeção de um volume de poros).
• Reconstrução e Variabilidade:
  • Ao reconstruir o modelo a partir de um prompt de reprodução, a fidelidade foi alta, mas diferenças sutis surgiram na ordem de amostragem de propriedades estocásticas.
  • Ao reconstruir a partir de um relatório técnico, o agente assumiu uma compressibilidade zero (incompressível) porque o simulador padrão usava compressibilidade, e essa escolha tácita não estava no registro de suposições. Isso alterou drasticamente a física (segregação por flutuação vs. fingeramento viscoso).
  • Ao reconstruir a partir de uma descrição de estilo de jornal, surgiram diferenças de primeira ordem na geometria e posicionamento de poços, alterando o volume de poros total e a dinâmica de fluxo.

Conclusão dos Resultados: A variabilidade na reconstrução expõe graus de liberdade latentes nas descrições de simulação. O agente consegue gerar modelos executáveis e fisicamente plausíveis, mas a reprodutibilidade exata exige a especificação explícita de fechamentos constitutivos e procedimentos estocásticos que muitas vezes são omitidos em descrições textuais.

5. Significado e Implicações

• Mudança de Paradigma: O trabalho move o foco de "geração de código" para "orquestração de modelagem científica", onde o simulador atua como o núcleo de verdade física.
• Limitação da Reprodutibilidade Textual: O estudo reforça que descrições textuais sozinhas raramente determinam univocamente o estado executável de uma simulação. A reprodutibilidade confiável exige a preservação do estado executável (código, versões, parâmetros) e não apenas a descrição conceitual.
• O "Gap" das Suposições Tácitas: Uma contribuição crítica é a identificação de que escolhas herdadas de padrões do simulador (defaults) são invisíveis para o log de auditoria do agente. Para sistemas agênticos robustos, é necessário que esses padrões sejam explicitados e registrados, ou que o agente seja instruído a questioná-los.
• Futuro: O trabalho sugere que a próxima geração de assistentes científicos deve integrar a resolução de problemas inversos (usando a diferenciabilidade do simulador) e exigir formatos de diagnóstico estruturados e legíveis por máquina para tornar a fase de validação mais robusta.

Em suma, o artigo demonstra que agentes podem ser parceiros eficazes na construção de simulações científicas, mas a confiabilidade absoluta depende de uma transparência radical sobre todas as escolhas de modelagem, incluindo aquelas que o software faz "por trás das cortinas".