人工智能编排基于文本的超声波模拟,通过多大语言模型代理的自我审查

科学领域:

• 计算工程 计算工程 计算工程
• 人工智能的人工智能
• 超声波测试 超声波测试 超声波测试

背景情况:

• 传统的超声波模拟系统通常使用复杂的图形用户界面 (GUIs) 或脚本.
• 这些方法需要大量的用户时间,并为新用户带来可访问性挑战.
• 在模拟软件中需要更直观,更有效的控制机制.

研究的目的:

• 为超声波模拟系统开发一种新的基于文本的控制架构.
• 提高模拟配置和场景生成的可访问性和效率.
• 提高人工智能驱动的模拟过程的可靠性.

主要方法:

• 将模拟功能模块化为基于文本的控制的离散功能.
• 利用大语言模型 (LLM) 来进行自然语言命令解释.
• 实施地面人工智能 (AI) 方法,以自我审查和多代理合作为场景生成.

主要成果:

• 减少了约75%的平均模拟配置时间.
• 使用地面AI方法显著降低了场景生成错误率,从23.89%降至1.48%.
• 在超声波模拟控制中证明了增强的可靠性和效率.

结论:

• 拟议的基于文本的控制架构为传统的基于GUI的方法提供了一个高效和可扩展的替代方案.
• 由人工智能驱动的方法,特别是LLM和地面人工智能,可以大幅降低运营成本,提高模拟框架的可靠性.
• 这一创新提高了复杂的模拟系统的可访问性,有利于时间敏感的应用程序,如数字双胞胎.