PDE-Agent: KI-gesteuertes Multi-Agent-Framework löst PDEs automatisch

Die Lösung partieller Differentialgleichungen (PDEs) ist ein zentrales Thema in Technik und Naturwissenschaften. Traditionelle Verfahren erfordern oft aufwändige manuelle Vorbereitungen und tiefgreifendes Fachwissen. Neuere Ansätze wie Physics-Informed Neural Networks (PINNs) und DeepXDE haben die Automatisierung verbessert, bleiben jedoch stark von Experten abhängig und bieten keine vollständige Autonomie.

In der aktuellen Veröffentlichung wird PDE-Agent vorgestellt – das erste Multi-Agent-Framework, das KI-gesteuerte Agenten mit einer erweiterten Toolchain kombiniert. Durch die Nutzung von Large Language Models (LLMs) übernimmt das System die Denkfähigkeit der KI, während externe Werkzeuge die Kontrolle über die eigentlichen Rechenaufgaben übernehmen. So entsteht ein automatisierter Lösungsweg, der aus einer natürlichen Sprachbeschreibung heraus PDEs bearbeiten kann.

Die Innovationen von PDE-Agent beruhen auf zwei Kernkomponenten. Erstens ein Prog-Act-Framework mit Graph‑Memory, das dynamische Planung und Fehlerkorrektur in einem Dual‑Loop-Mechanismus ermöglicht – lokale Anpassungen und globale Revisionen werden gleichzeitig gehandhabt. Zweitens ein Resource‑Pool, der Tool‑Parameter trennt und so die Koordination mehrerer Werkzeuge zentralisiert, wodurch Abhängigkeitslücken in bestehenden Systemen geschlossen werden.

Zur Validierung wurde PDE-Bench entwickelt, ein Benchmark mit verschiedenen PDE‑Typen, der die Zusammenarbeit von Agenten und Tools misst. Ergänzt wird das Set an Metriken um mehrschichtige Bewertungskriterien für die Tool‑Koordination. Erste Tests zeigen, dass PDE-Agent die Effizienz und Genauigkeit bei der PDE‑Lösung deutlich steigert und damit einen bedeutenden Fortschritt im automatisierten wissenschaftlichen Rechnen darstellt.