[Paper] 地震学建模代理：为地球物理研究人员提供的智能助手

Source: arXiv - 2512.14429v1

概述

本文介绍了 Seismology Modeling Agent，这是一款对话式 AI 助手，它将流行的开源地震波模拟器 SPECFEM 包装在一套由大型语言模型 (LLM) 驱动的工具中。通过将传统的以文件为中心、基于命令行的工作流转变为意图驱动的聊天界面，作者显著降低了地球物理研究人员的使用门槛，并使大规模地震模拟更加可复现且对开发者友好。

关键贡献

• Model Context Protocol (MCP) server suite for SPECFEM – 针对 SPECFEM 的模型上下文协议（MCP）服务器套件——一个模块化后端，将 SPECFEM 运行的每个阶段（参数创建、网格生成、划分、求解器启动、后处理）公开为独立的、可由大型语言模型调用的服务。
• Intent‑driven conversational workflow – 基于意图的对话式工作流——用户可以描述他们的需求（例如，“在太平洋地区运行一次 3‑D Globe 模拟，模拟一次规模为 6 级的地震”），代理会将其转换为精确的 SPECFEM 命令序列和文件编辑操作。
• Hybrid automation modes – 混合自动化模式——支持完全自主执行，也支持“人机交互”模式，研究人员可以介入、批准或微调中间步骤。
• Cross‑platform support – 跨平台支持——兼容 SPECFEM2D、SPECFEM3D Cartesian 和 SPECFEM3D Globe，覆盖计算地震学中最常见的使用场景。
• Open‑source release – 开源发布——完整代码、Docker 镜像和示例 Notebook 均公开可用，促进快速采用和社区扩展。

方法论

1. 分解 SPECFEM 工作流 – 作者识别出 12 种原子操作（例如，生成源时函数、创建网格、划分域），并将每个操作封装为提供 JSON‑API 的微服务。
2. 模型上下文协议 (MCP) – 一种轻量级协议，使 LLM 能跟踪当前仿真状态、请求相应服务并接收结构化响应（例如文件路径、状态码）。
3. LLM 编排层 – 通过提示工程构建的 LLM（类似 GPT‑4）充当助手的“大脑”。它解析自然语言用户意图，决定需要的 MCP 调用，并组装生成相应的命令行调用。
4. 人机交互 UI – 一个简易的网页聊天界面（React + Flask）展示 LLM 的计划，允许用户批准或编辑参数，并实时流式显示底层 SPECFEM 进程的日志输出。
5. 验证 – 在三个基准场景（2‑D 断层破裂、3‑D 笛卡尔盆地、3‑D 全球地幔）上运行该流水线，并与手动运行的基线进行比较，以验证数值精度。

结果与发现

• 加速比：获取可用模拟的速度提升 3–4 倍，主要因为助手消除了重复的文件编辑和作业脚本调优。
• 可重复性：所有步骤都记录在机器可读的“会话记录”中，能够精确重放任何实验。
• 用户满意度：在非正式的开发者调查中，参与者将聊天界面评为“直观”（4.6/5），并报告新研究生的上手时间显著缩短。

Practical Implications

• 对于开发者: MCP 模式可以复用于其他科学代码（例如 CFD、气候模型），将任何以命令行界面为主的工具转变为由大语言模型驱动的服务，而无需重写核心求解器。
• 对于地球物理公司: 更快的地震情景原型制作意味着更迅速的风险评估，并且能够按需进行“假设”研究。
• 对于云/边缘部署: 由于每一步都已容器化，整个工作流可以在 Kubernetes 或无服务器平台上编排，为实时监测系统提供即时地震模拟的可能。
• 教育影响: 新学生可以专注于物理和解释，而不是掌握数十个配置文件，从而加快学术界和工业实验室的研究周期。

限制与未来工作

• LLM 依赖 – 当前原型依赖于专有的 GPT‑4 风格模型；在开源替代方案下性能可能有所不同。
• 自动化范围 – 仅覆盖最常用的 SPECFEM 选项；对于特殊材料模型或自定义源函数仍需手动干预。
• 可扩展性测试 – 基准测试在中等规模的 HPC 节点上进行；未来工作将评估该助手在大规模集群（数千核）上的表现，并评估 LLM 调用的延迟。
• 扩展 MCP – 作者计划向更广泛的科学软件社区开放 MCP 规范，以实现与其他地球物理工具链的即插即用集成。

作者

• Yukun Ren
• Siwei Yu
• Kai Chen
• Jianwei Ma

论文信息

• arXiv ID: 2512.14429v1
• 分类: cs.AI, cs.SE
• 发表时间: 2025年12月16日
• PDF: Download PDF