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

O artigo apresenta o AutoSiMP, um pipeline autônomo que utiliza modelos de linguagem (LLM) para transformar descrições de problemas estruturais em linguagem natural em topologias binárias validadas, fechando o ciclo completo desde a configuração do problema até a solução final sem necessidade de intervenção manual.

O essencial

Imagine que você quer construir a estrutura mais leve e eficiente possível para uma ponte, um braço robótico ou até mesmo uma peça de avião. Antigamente, para fazer isso, você precisava ser um engenheiro especialista, saber programar códigos complexos e definir cada detalhe matemático antes que o computador começasse a trabalhar. Era como tentar pilotar um avião de caça sem nunca ter visto um manual de instruções: se você errasse um botão, o avião caía (ou o computador travava).

O AutoSiMP é como um assistente de voo autônomo que transforma uma simples conversa em uma estrutura perfeita.

Aqui está como funciona, passo a passo, usando analogias do dia a dia:

1. O Tradutor Mágico (O Configurador)

Antes, você tinha que dizer ao computador: "Defina os nós 1 a 50 como fixos e aplique uma força de 10N no vetor (x,y)".
Com o AutoSiMP, você apenas diz: "Quero uma viga em balanço, presa na esquerda, com um peso no meio da direita e um buraco redondo no centro para passar um cano."

• A Analogia: Imagine que você está pedindo um jantar em um restaurante. Antes, você tinha que escrever a receita química dos ingredientes. Agora, você apenas diz: "Quero um prato de macarrão, sem cebola, bem apimentado". O sistema (uma Inteligência Artificial) entende o que você quer e traduz isso para a "linguagem da cozinha" (o código do engenheiro) sem que você precise saber o que é um "nó" ou um "vetor de força".

2. O Preparador de Ingredientes (Gerador de Condições de Contorno)

Depois de entender o pedido, o sistema precisa preparar a "massa" para o forno. Ele cria os mapas exatos de onde o material pode ser sólido, onde deve ser vazio (buracos) e onde a força será aplicada.

• A Analogia: É como um chef que, ao ouvir seu pedido, já separa os ingredientes, mede as quantidades e coloca a panela no fogo, pronto para cozinhar. O AutoSiMP faz isso automaticamente, garantindo que não haja erros de digitação que fariam o "prato" queimar.

3. O Cozinheiro Mestre (O Solucionador SIMP)

Agora, o computador começa a "cozinhar". Ele usa um método chamado SIMP (que é como um processo de escultura digital). Ele começa com um bloco de material cheio e vai removendo pedaços desnecessários, iterando milhares de vezes, até sobrar apenas a estrutura essencial que suporta o peso.

• A Analogia: Pense em um escultor de mármore. Ele começa com um bloco gigante e vai batendo com o cinzel, removendo o que não é necessário, até que a estátua perfeita apareça. O AutoSiMP faz isso digitalmente, removendo o "mármore" virtual onde não é preciso.

4. O Inspetor de Qualidade (O Avaliador)

Assim que a estrutura está pronta, o sistema não apenas entrega o resultado; ele o inspeciona rigorosamente. Ele verifica 8 coisas diferentes:

• A estrutura está inteira ou quebrada em pedaços?
• Ela suporta o peso sem quebrar?
• O tamanho está correto?
• Ela é "cinzenta" (meia-sopa) ou bem definida (preto e branco)?
• A Analogia: É como um fiscal de trânsito ou um inspetor de obras. Ele olha para o prédio e diz: "Tudo certo, pode passar!" ou "Ei, essa viga está muito fina, vamos tentar de novo".

5. O Mecânico de Emergência (O Loop de Repetição)

Se algo der errado (por exemplo, a estrutura ficou muito frágil), o sistema não desiste. Ele analisa o erro, ajusta os parâmetros (como "cozinhar mais um pouco" ou "reduzir o peso") e tenta de novo automaticamente.

• A Analogia: Se você tentar montar um móvel e a peça não encaixar, em vez de jogar tudo fora, você olha o manual, ajusta a peça e tenta encaixar de novo até ficar perfeito.

---

Por que isso é revolucionário?

O grande segredo do AutoSiMP é que ele separa o "O QUÊ" do "COMO":

1. O QUÊ (O Pedido): A IA entende sua linguagem natural e cria o projeto.
2. COMO (A Execução): Um algoritmo matemático rigoroso (que não erra) executa o projeto.

O Resultado:
O artigo mostra que, ao usar esse sistema, você pode obter resultados quase tão bons quanto os de um engenheiro humano experiente, mas sem precisar saber nada de engenharia.

• Se você pedir algo complexo, o sistema entende.
• Se o sistema errar um detalhe na interpretação, o "Inspetor" e o "Mecânico" corrigem isso automaticamente.
• O sistema é tão confiável que, quando configurado corretamente, ele acerta na primeira tentativa em 100% dos casos testados.

Em resumo

O AutoSiMP é como ter um engenheiro de elite que fala a sua língua. Você descreve o problema com palavras simples, e ele devolve uma estrutura de engenharia validada, pronta para ser usada, sem que você precise tocar em uma única linha de código ou fórmula matemática. É a democratização do design de alta tecnologia: de "apenas para especialistas" para "qualquer pessoa com uma ideia".

Resumo técnico

Resumo Técnico: AutoSiMP

1. O Problema: A Barreira de Configuração na Otimização Topológica

A otimização topológica (OT), particularmente o método SIMP (Solid Isotropic Material with Penalization), é uma ferramenta poderosa para determinar a distribuição ideal de material em um domínio de design. No entanto, sua adoção por não especialistas é limitada pela barreira de configuração. Antes de executar uma única iteração, o usuário deve:

• Especificar o domínio de design e discretizá-lo em uma malha de elementos finitos.
• Atribuir condições de contorno (fixas, apoiadas, roletas) a graus de liberdade específicos.
• Construir vetores de força consistentes a partir de descrições de carga.
• Definir regiões passivas (vazios para parafusos, sólidos para montagens).
• Selecionar parâmetros numéricos (fração de volume, raio de filtro, orçamento de iterações).

Essa etapa é tediosa, propensa a erros e específica do solver. Um erro na configuração (ex.: carga aplicada em um grau de liberdade fixo) resulta em falha do solver ou, pior, em um resultado topológico incorreto sem aviso. Trabalhos anteriores focaram em acelerar o solver ou substituí-lo por redes neurais, mas não automatizaram a etapa de configuração a partir de linguagem natural.

2. Metodologia: O Pipeline AutoSiMP

O AutoSiMP propõe um pipeline autônomo de cinco módulos que transforma uma descrição de problema em linguagem natural em uma topologia binária validada, sem intervenção manual.

Módulo 1: Configurador Baseado em LLM

• Função: Um agente de LLM (utilizando o Gemini Flash Lite) analisa um prompt em inglês (ex.: "viga em balanço, borda esquerda fixa, carga descendente no meio-direito") e gera uma especificação estruturada (ProblemSpec em JSON).
• Segurança: O sistema emprega "trilhos de segurança" determinísticos (safety rails) que validam a saída do LLM, corrigindo faixas físicas, injetando restrições ausentes e rejeitando configurações impossíveis (ex.: cargas em DOFs fixos).
• Saída: Uma especificação contendo dimensões do domínio, malha, apoios, cargas e regiões passivas.

Módulo 2: Gerador de Condições de Contorno (BC)

• Converte a especificação ProblemSpec em arrays prontos para o solver:
  • Índices de DOFs fixos.
  • Vetor de força global (usando pesos de tributação da regra trapezoidal para cargas distribuídas).
  • Máscara de elementos passivos (vazios ou sólidos congelados durante a atualização).

Módulo 3: Solver SIMP com Controlador Adaptável

• Utiliza um solver SIMP de três campos (filtro de densidade + projeção Heaviside).
• Possui um controlador de continuação "plugável". O artigo compara seis estratégias:
  1. Agente LLM (controla dinamicamente parâmetros $p, \beta, r_{min}, \delta$).
  2. Cronograma Determinístico (Schedule).
  3. Heurística de Especialista.
  4. Continuação de Três Campos (padrão acadêmico).
  5. Apenas Cauda (Tail-only).
  6. Fixo (sem continuação).

Módulo 4: Avaliador Estrutural (8 Checks)

• Realiza 8 verificações determinísticas no resultado:
  • 5 Gates de Passagem/Falha: Conectividade (enchimento de inundação), Razão de Complacência, Cinza (grayness), Fidelidade da Fração de Volume, Convergência.
  • 3 Métricas Informativas: Fração de membros finos, Índice de checkerboard, Eficiência do caminho de carga.

Módulo 5: Loop de Repetição (Retry)

• Se o avaliador detectar falha, gera um "hint" estruturado (ex.: aumentar orçamento de iterações, ajustar fração de volume) e reexecuta o solver (máximo de 2 tentativas).

Interface Web Interativa

• O sistema inclui uma demonstração web onde os usuários podem editar visualmente as cargas, ver a evolução da densidade em tempo real e inspecionar resultados 3D, permitindo a verificação da especificação antes da resolução.

3. Principais Contribuições

1. Configuração de Problemas via LLM: Primeiro sistema a traduzir descrições naturais em especificações de solver validadas, com precisão de campo de 90-100% e penalidade de complacência mediana de apenas +0,3% em relação a especialistas.
2. Geração Automática de Condições de Contorno: Ponte robusta entre especificações semânticas e arrays numéricos, lidando com cargas distribuídas e regiões passivas complexas.
3. Avaliador Estrutural de 8 Checks: Um sistema de validação pós-solução que não apenas decide "passar/falhar", mas fornece diagnósticos para recuperação automática.
4. Validação Experimental Sistemática: Avaliação em três eixos: precisão do configurador, comparação de controladores (17 problemas 2D + 2 problemas 3D) e confiabilidade ponta-a-ponta.
5. Sistema Open-Source e Demo Interativa: Disponibilização completa do código e uma interface web que integra todos os módulos, permitindo testes sem instalação local.

4. Resultados Chave

• Precisão do Configurador: Em 10 casos de teste diversos, o configurador gerou especificações válidas em todos os casos. A penalidade mediana de complacência foi de +0,3% comparado a configurações de especialistas.
• Comparação de Controladores:
  • O Controlador LLM alcançou a menor complacência mediana (melhor desempenho estrutural), mas teve uma taxa de sucesso de apenas 76,5% devido a instabilidades na API e oscilações de parâmetros.
  • O Controlador Determinístico (Schedule) alcançou 100% de taxa de sucesso com apenas +1,5% de complacência mediana superior ao LLM.
  • Conclusão: Existe um trade-off entre qualidade máxima e confiabilidade. Para uso em produção, recomenda-se o configurador LLM + controlador determinístico.
• Importância da Exploração: A ablação "Tail-only" (sem fase de exploração) resultou em designs 2,8x piores, confirmando que a fase de exploração é crucial para descobrir topologias viáveis.
• Confiabilidade Ponta-a-Ponta: Com o controlador determinístico, todos os 10 problemas configurados pelo LLM passaram em todas as verificações de qualidade na primeira tentativa, eliminando a necessidade de repetições.
• Generalização 3D: O sistema funcionou bem em problemas 3D, com o controlador LLM mostrando vantagem ainda maior sobre a linha de base fixa em comparação com problemas 2D.

5. Significado e Impacto

O AutoSiMP fecha a lacuna de autonomia na otimização topológica. Ao separar a configuração (o que otimizar) do controle (como otimizar), o sistema permite que não especialistas descrevam problemas estruturais em linguagem natural e obtenham resultados validados.

• Democratização: Remove a necessidade de conhecimento profundo em mecânica estrutural e implementação de solvers.
• Robustez: A combinação de um configurador baseado em LLM com um controlador determinístico oferece o melhor dos dois mundos: acessibilidade linguística e confiabilidade de engenharia.
• Inovação: É o primeiro sistema a integrar entrada de linguagem natural, geração de condições de contorno, solver iterativo, avaliação de qualidade estrutural e recuperação de falhas em um único pipeline autônomo.

O trabalho sugere que o futuro da otimização de design reside em sistemas híbridos onde a IA entende a intenção do usuário (configuração) e algoritmos determinísticos garantem a estabilidade numérica (solução).