WSC 2026 教程实践：生成式AI与仿真建模的无缝集成方案

本文介绍WSC2026上Dehghanimohammadi等人提出的生成式AI与仿真建模深度集成方案，配套开源浏览器端应用基于Pyodide实现，无需安装软件即可体验AI驱动的仿真全流程（问题定义→输入建模→模型创建→执行→实验分析），还展示了Agentic AI（MCP协议）的应用，降低仿真建模门槛，指明领域未来方向。

传统仿真建模流程需专业知识、繁琐编程和手工调试，存在较高门槛。本项目核心目标是展示生成式AI如何贯穿仿真建模完整生命周期（问题定义、输入建模、模型创建、执行、实验分析）。团队构建基于Pyodide的浏览器应用，Pyodide将Python运行时编译为WebAssembly，让用户无需安装软件即可在浏览器运行Python及科学计算库（如NumPy、SciPy）。

应用采用纯前端架构（HTML/CSS/原生JS），托管于GitHub Pages，确保可移植性与零部署成本。核心组件包括：

1. Pyodide运行时：按需加载scipy、numpy等库，优化加载时间并提供科学计算能力；
2. Chart.js：绘制直方图、Q-Q图等统计图表；
3. 哈希路由系统：通过URL哈希实现单页面多阶段导航；
4. 暖色调设计：与论文图表配色一致，保证视觉一致性。

应用将仿真流程分为五个阶段：

• 阶段0：问题定义：引导用户明确目标、边界及关键性能指标；
• 阶段1a：输入建模：功能最完整，支持上传CSV或使用示例数据（平稳指数分布/非平稳高峰数据），自动完成数据清洗、分布拟合（指数/对数正态/威布尔等）、KS检验、Q-Q图可视化及SimPy代码生成；
• 阶段1b：模型创建：占位中，目标是用大语言模型将自然语言系统逻辑转为SimPy代码；
• 阶段2：执行：保留2025年急诊室演示存档，未来将集成AI监控与自适应采样；
• 阶段3：实验分析：专注实验设计与结果分析，AI应用包括自动识别关键因素和生成报告。

Agentic AI演示：基于Anthropic的MCP协议，运行simpy-mcp服务器记录LLM会话，展示AI智能体自主运行仿真实验、分析结果及迭代优化参数； 技术细节：

• Pyodide创新：WebAssembly编译Python解释器，首次加载约50MB模块，后续离线运行，延迟加载策略优化体验；
• 纯静态架构优势：零服务器成本、无限扩展、隐私保护（数据不离开浏览器）、可离线作为PWA安装。

• 教育价值：零门槛入门平台，无需配置环境，降低仿真学习曲线；
• 研究价值：展示AI增强仿真路径，提供可扩展框架（自动分布拟合、智能体实验设计等）；
• 实践价值：浏览器优先方法易集成到现有工作流程，无需IT批准安装软件，打开浏览器即可建模。

未来计划：完成阶段1b/2/3功能、添加大语言模型对比、扩展分布类型与拟合方法、集成更多仿真引擎； 结语：本教程是生成式AI与仿真融合的重要里程碑，通过浏览器端科学计算降低准入门槛，展示AI在各阶段的应用潜力，未来将推动仿真建模从专家工具向普及化决策支持手段转变。