أصبح تحسين التصميم الصناعي معقداً للغاية، حيث يمثل الفجوة بين تصميم CAD (تصميم الكمبيوتر) وتحليل CAE (تحليل العناصر المحدودة) تحدياً كبيراً. هنا يأتي دور COSMO-Agent (التحكم المغلق لتحسين التصميم، المحاكاة، وتنظيم النمذجة)، وهو إطار عمل يجمع بين التعلم المعزز (Reinforcement Learning) والأدوات الحديثة لإحداث ثورة في هذا المجال.

يجسد COSMO-Agent طريقة تعليم نماذج اللغات الضخمة (LLMs) لإتمام عملية تصميم CAD-CAE المغلقة. من خلال إنشاء بيئة تفاعلية، يتعلم COSMO-Agent كيف ينسق بين الأدوات الخارجية ويقوم بتعديل الجيومات البارامترية حتى يتم استيفاء جميع القيود.

ليس هذا فحسب، بل إن COSMO-Agent يعزز الاستقرار في التعلم من خلال تصميم مكافآت متعددة القيود، مما يشجع على feasibility (الجدوى)، وrobustness (القوة) للأدوات، وصحة المخرجات المنظمّة. كما يقدم مجموعة بيانات مرتبطة بالصناعة تغطي 25 فئة من المكونات مع مهام CAD-CAE القابلة للتنفيذ، مما يضمن تدريباً وتقييماً واقعياً.

أظهرت التجارب أن تدريب COSMO-Agent يحسن بشكل ملحوظ نماذج LLMs الصغيرة في التصميم المدفوع بالقيود، متفوقاً على نماذج كبيرة ومفتوحة المصدر وكذلك النماذج القوية المغلقة في الجدوى، الكفاءة، والاستقرار. لذا، تعتبر هذه الأداة خطوة كبيرة نحو تحسين التصميم الصناعي باستخدام الذكاء الاصطناعي, مما يتيح للمهندسين تحقيق نتائج أفضل وأسرع.