基于LLM的多智能体协作框架：用于可拉伸能量收集器的生成式设计 雷恩普（Enpu Lei）、 陆平（Ping Lu）和 黄卡玛（Kama Huang）

《Energies》：LLM-Powered Multi-Agent Collaborative Framework for Generative Design of Stretchable Energy Harvesters Enpu Lei, Ping Lu and Kama Huang

　　

摘要

可伸缩能量收集系统的设计涉及电磁领域和机械领域之间的复杂多物理场耦合，通常要求工程师熟练使用多种仿真工具和优化算法。这种陡峭的学习曲线，加上缺乏集成工作流程，给高效设计带来了重大障碍。为了克服这些挑战，我们提出了StretchCopilot，这是一个由大型语言模型（LLMs）驱动的多智能体协作框架，用于生成在2.45 GHz频段工作的可伸缩射频（RF）能量收集器。与传统依赖手动迭代或孤立算法的方法不同，我们的框架利用基于图的状态机架构（LangGraph）来协调各个专业智能体。它能够解读高级用户指令（例如“设计一个能够承受15%形变的坚固能量收集器”），并通过统一的接口自动管理特定领域的求解器，包括逆向设计网络和整流电路合成工具。实验评估表明，该框架有效简化了设计流程，使用户能够通过自然语言交互生成所需的整流天线（rectenna）系统。案例研究证实，一旦底层替代模型训练完成，所提出的方法将设计时间从几小时缩短到几分钟内，同时确保在机械变形条件下能量收集性能的一致性。