Norsk English

Agentisk KI for vitenskapelige beregninger og simulering

Vi utvikler KI-agenter som hjelper forskere og ingeniører med å bygge modeller, kjøre simuleringer og utforske resultater. Med kompetanse i numeriske metoder, vitenskapelig programvare og agentteknologi kobler vi sammen verktøy og utvikler arbeidsflyter som gir bedre grunnlag for faglige vurderinger og beslutninger.

Kontaktpersoner

Hva kan vi hjelpe deg med?

Forskning og teknisk utvikling krever ofte at vi veksler mellom data, modeller, programvare og faglige vurderinger. KI-agenter kan utføre oppgaver og knytte dem sammen i en arbeidsflyt der resultatene brukes til å komme videre: tolke en oppgave, bruke verktøy, undersøke resultatene og foreslå neste steg.

Vi samarbeider med industri og forskningsmiljøer om å:

  • Koble KI-agenter til simulatorer, datakilder og spesialisert programvare.
  • Utvikle arbeidsflyter for modellbygging, simulering, analyse og sammenligning av alternativer.
  • Lage tilpassede brukergrensesnitt og analyseverktøy rundt etablert vitenskapelig programvare.
  • Forbedre programvaregrensesnitt, dokumentasjon og diagnostikk slik at agentene kan bruke verktøyene effektivt, oppdage feil og rette dem.
  • Evaluere agentenes arbeid og utvikle løsninger for sporbarhet, reproduserbarhet og faglig kvalitetssikring.

Har du en modelleringsoppgave, en simulator du vil koble til en agent, eller en arbeidsflyt med mye manuelt arbeid? Ta kontakt med vårt forskningsmiljø innen anvendt beregningsvitenskap for å diskutere mulighetene. Sammen kan vi finne ut hvor agenter kan være nyttige, utvikle og teste en egnet løsning og avklare hvordan resultatene skal vurderes.

Agenter som samarbeidspartnere i beregningsvitenskap

Målet vårt er å gjøre agenter til nyttige samarbeidspartnere i krevende faglig arbeid. En ekspert skal kunne diskutere et problem med agenten, overlate oppgaver til den og få velbegrunnede forslag tilbake. Det krever agenter som kan bruke tilbakemeldinger, endre fremgangsmåte og forstå når de trenger avklaringer.

I en agentstøttet modelleringsprosess beskriver brukeren problemet og hva som skal oppnås. Agenten kan hente dokumentasjon, sette opp en modell, skrive og kjøre kode, undersøke tilbakemeldinger fra de numeriske løserne og analysere resultatene. Deretter kan brukeren og agenten justere forutsetninger, sammenligne alternativer og velge hvilke spørsmål de vil undersøke videre.

Vi utvikler og undersøker disse mulighetene gjennom verktøy som JutulAgent, som kobler språkmodeller til vitenskapelige simulatorer bygget på Jutul-rammeverket. Dette gir oss en konkret arena for å studere samspillet mellom mennesker og agenter, og undersøke hvilke oppgaver en agent kan ta ansvar for på en pålitelig måte.

Kobling av modeller, data og spesialverktøy

Mange faglige problemstillinger krever flere programmer og verktøy. En geologisk tolkning kan danne grunnlaget for en strømningsmodell, miljødata kan brukes som inngangsdata til en flomsimulering, og simuleringsresultater kan inngå i en optimeringsoppgave. Overgangene krever ofte manuell datakonvertering, skripting og koordinering mellom fagpersoner.

Agenter kan bidra til å koble sammen verktøyene, klargjøre inngangsdata og overføre informasjon mellom trinnene. Den faglige utfordringen er å bevare betydningen av dataene og forutsetningene gjennom hele prosessen. Enheter, randbetingelser, modellens gyldighetsområde og usikkerhet må være tydelige også når informasjonen flyttes fra ett program til et annet.

Vi utvikler slike koblinger ved hjelp av programvaregrensesnitt og åpne standarder, blant annet Model Context Protocol (MCP). Hvor mye som kan automatiseres, og hvilke kontroller som trengs, avhenger av anvendelsen og beslutningene arbeidet skal støtte.

Utvikling av programvare rundt simulatorer

Agentisk koding gjør det også mulig å utvikle brukergrensesnitt og støtteverktøy tilpasset en bestemt oppgave. Det kan være interaktiv visualisering, klargjøring av data, sammenligning av scenarioer eller automatisk rapportering basert på en eksisterende simulator.

Vi bygger videre på etablert numerisk programvare og bruker agenter til å utvikle og tilpasse verktøyene rundt den. Slik kan spesialiserte metoder tas i bruk i nye sammenhenger, og ideer som tidligere krevde mye programmering, kan prøves ut raskere.

Programvaren må fortsatt testes og gjennomgås. Fagkompetanse er avgjørende både for å velge hva det er nyttig å utvikle, og for å kontrollere at løsningen bruker de underliggende modellene riktig.

Hvorfor kompetanse på simulatorer er avgjørende

En agent trenger tilbakemeldinger den kan bruke til å korrigere arbeidet sitt. Konsistenskontroller, veldefinerte grensesnitt og informative meldinger fra de numeriske løserne hjelper agenten med å oppdage ugyldige inngangsdata, undersøke hvorfor en beregning feilet og justere fremgangsmåten. Kvaliteten på dokumentasjonen og utformingen av programvaren påvirker derfor direkte hvor godt agenten kan arbeide.

SINTEF kombinerer kompetanse i numeriske metoder og simulatorutvikling med forskning på agentteknologi. Vi arbeider med begge sider av samspillet: hvordan agenter bruker vitenskapelig programvare, og hvordan programvaren kan gi agentene bedre tilbakemeldinger. Deriverbare simulatorer kan dessuten beregne sensitiviteter som brukes til parameterestimering, optimering og systematisk utforsking av modeller.

At en beregning er fullført, betyr ikke at modellen beskriver det tiltenkte problemet, eller at resultatene er gode nok som beslutningsgrunnlag. Vurdering av fysiske antakelser, numerisk nøyaktighet og relevansen av inngangsdataene er fortsatt en sentral del av arbeidet.

Sporbarhet og faglig vurdering

En kort instruksjon lar mange valg stå åpne. Agenten kan velge parameterverdier, randbetingelser eller modellforutsetninger som brukeren ikke har angitt. Disse valgene må være synlige dersom brukeren skal kunne vurdere om agenten har løst riktig problem.

Vi utvikler arbeidsflyter som registrerer verktøykall, generert kode og resultater, og gjør forutsetninger og modelleringsvalg tilgjengelige for gjennomgang. For å kunne gjenskape en beregning må også relevante inngangsdata, programvareversjoner og innstillinger tas vare på.

Ansvarsdelingen mellom mennesker og agenter må avklares når arbeidsflyten utformes. Rutineoppgaver kan delegeres innenfor avtalte rammer, mens valg med store konsekvenser eller uavklarte spørsmål krever faglig involvering. Hvor grensen bør gå, avhenger av oppgaven, hvilket grunnlag agenten har for å handle, og konsekvensene av et feilaktig resultat.

Mot mer selvstendig vitenskapelig arbeid

På lengre sikt er ambisjonen at agenter skal kunne bidra gjennom hele den vitenskapelige prosessen: formulere hypoteser, planlegge beregningseksperimenter, tolke resultater og revidere modeller. Dette krever at agentene blir bedre til å vurdere eget arbeid, holde retningen gjennom mange deloppgaver og forstå når de må be om hjelp.

Vi undersøker disse spørsmålene gjennom konkrete anvendelser og systematisk evaluering. Agentteknologien endrer seg raskt. Arbeidet vårt bygger derfor på et varig faglig grunnlag: numeriske metoder, domenekunnskap, robust simuleringsprogramvare og muligheten til å etterprøve resultatene.

Vi samarbeider gjerne om agentstøttet modellering, kobling til eksisterende vitenskapelig programvare og forskning på mer pålitelige agenter som kan håndtere større og mer sammensatte oppgaver.

Les mer