从文本到仿真：多智能体大型语言模型（LLM）自动化化学工艺设计工作流程

过程模拟是化工设计的核心基石。当前自动化化工设计方法主要集中于各类流程图的表达形式。然而，将这些图示转化为可执行的模拟流程图，仍是一项耗时费力的任务，需要在模拟软件中进行大量手动参数配置。

本研究提出一种新颖的多智能体工作流程，通过发挥大语言模型的语义理解能力，实现与化工过程模拟软件的迭代交互，完成了从文本化工艺描述到经计算验证的软件配置的端到端自动化模拟，从而实现设计优化。

该方案集成了四个专用智能体，分别负责任务理解、拓扑结构生成、参数配置和评估分析，并结合增强型蒙特卡洛树搜索算法来精确解析语义并稳健生成配置。

在大型过程描述数据集Simona上的评估结果显示，与现有最优基准方法相比，我们的方法使模拟收敛率提升31.1%，与专家手动设计相比将设计时间缩短89.0%。

这项工作展示了人工智能辅助化工过程设计的潜力，弥合了概念设计与实际实施之间的鸿沟。我们的工作流程可适用于制药、石油化工、食品加工和制造业等多种过程工业领域，为自动化过程设计提供了通用性解决方案。