ChronoLLM: KI-gestützte Codegenerierung für PyChrono-Simulationen

Ein neuer Ansatz aus dem Bereich der künstlichen Intelligenz zeigt, wie vortrainierte Sprachmodelle gezielt angepasst werden können, um Fachleute bei der Nutzung von Simulationswerkzeugen zu unterstützen. Im Fokus steht dabei PyChrono, ein quelloffener Multi‑Physics‑Engine für Mehrkörperdynamik.

Das vorgestellte Framework ermöglicht die Verfeinerung sowohl von Open‑Source‑ als auch von proprietären LLMs. Durch einen strukturierten Prozess wird die Qualität der automatisch generierten PyChrono‑Skripte messbar verbessert. Die erzeugten Programme reichen von einfachen Pendel‑Simulationen bis hin zu komplexen virtuellen Tests mit Fahrzeugen auf deformierbarem Terrain. Obwohl die Skripte selten perfekt sind, liefern sie solide Ausgangspunkte, die Anwender leicht anpassen und erweitern können.

Zusätzlich kann das Modell spezifische API‑Fragen zum Simulator beantworten und geeignete Modellierungsansätze empfehlen. Die Methodik ist nicht auf PyChrono beschränkt, sondern lässt sich leicht auf andere Simulationsdomänen übertragen, um die Einstiegshürde für Anwender zu senken und die Effizienz von Forschungs- und Entwicklungsprozessen zu steigern.