Nove esecuzioni del simulatore contro più di sessanta. È il divario che emerge quando un LLM viene usato non come sostituto di un ottimizzatore, ma come avvio a caldo semantico per la calibrazione di simulatori ingegneristici costosi.

Un gruppo di ricercatori ha testato un LLM condizionato da descrizioni diagnostiche fisiche degli errori di simulazione su due problemi: la scia di un cilindro in simulazione Large-Eddy e un oscillatore smorzato inverso. L'obiettivo era proporre aggiornamenti dei parametri con un budget di valutazioni ristretto. I prompt etichettati con la fisica sono stati confrontati con quattro varianti testuali di controllo — senza etichetta, anonimizzate, riempite con padding, fuorvianti — e con ottimizzatori classici come Nelder-Mead, ottimizzazione bayesiana, CMA-ES e ricerca casuale.

Il risultato principale è un vantaggio semantico iniziale molto netto: la prima proposta fisica del LLM migliora il progetto iniziale in 23 prove su 25. Dopo cinque valutazioni, l'errore mediano di calibrazione è 21,9 volte più basso rispetto ai controlli senza fisica. Ma il vantaggio è transitorio e scompare entro quindici valutazioni. Inoltre la variabilità intrinseca del decoder del LLM produce una dispersione delle prestazioni di 9,8 volte tra una generazione e l'altra.

Questo doppio segnale è il cuore della storia. Non stiamo parlando di un modello linguistico che impara a ottimizzare: stiamo parlando di un sistema che porta dentro il problema una conoscenza fisica già codificata nel linguaggio, e che usa questa conoscenza per saltare la parte più cieca della ricerca dei parametri. Quando il budget di valutazioni è basso, il costo di una partenza fredda è altissimo: gli ottimizzatori senza derivate devono esplorare lo spazio dei parametri quasi alla cieca, mentre il prompt fisico restringe il campo delle ipotesi plausibili. Il problema è che il LLM non è un ottimizzatore numerico: dopo poche iterazioni esaurisce la spinta semantica e comincia a produrre aggiornamenti rumorosi. La dispersione di 9,8 volte non è un dettaglio tecnico, è un vincolo operativo: in un contesto con dieci valutazioni a disposizione, una singola proposta mal campionata può bruciare una frazione rilevante del budget.

Per aggirare questo limite, i ricercatori hanno introdotto un flusso ibrido: il LLM fornisce il punto di partenza, poi un ottimizzatore convenzionale riceve le valutazioni accumulate e prosegue lo sfruttamento numerico. Questa politica di continuazione a due stadi raggiunge la precisione obiettivo in sole 9 esecuzioni del simulatore. Il LLM da solo ne richiede 12, Nelder-Mead 17, l'ottimizzazione bayesiana più di 60. Il guadagno non è solo accademico: in uno scenario in cui ogni esecuzione del simulatore costa ore di calcolo o risorse HPC, passare da 60 a 9 run cambia la fattibilità del processo.

Il punto strutturale è che il valore dei modelli linguistici in ingegneria non sta nella sostituzione degli ottimizzatori, ma nella capacità di trasformare la conoscenza testuale in un priore operativo. Questo sposta l'attenzione dall'accuratezza assoluta del modello alla qualità del condizionamento: le varianti con prompt anonimizzati o fuorvianti degradano il risultato, quindi la fisica nel testo è il vero ingrediente. Per chi progetta pipeline di calibrazione, la lezione è duplice: servono controlli sulla variabilità del decoder — temperature, seed, constrained decoding — e serve un'integrazione architetturale con metodi numerici classici. In ambienti industriali, dove i dati di simulazione contengono geometrie proprietarie, condizioni operative e logiche di errore sensibili, inviare quei prompt a un LLM cloud può non essere accettabile. Qui il deployment self-hosted diventa rilevante non per moda, ma per necessità di confinare il flusso dati. AI-RADAR mette a disposizione su /llm-onpremise un framework analitico per valutare questi trade-off tra latenza, confini dei dati e costi di inference locale.

Resta una domanda aperta: quanto di questo vantaggio iniziale sopravvive quando i problemi di calibrazione escono dai due casi test convalidati dall'analisi di sensibilità? La fonte non lo dice, ma la direzione è chiara: il prossimo passo non è rendere il LLM più bravo a ottimizzare, ma rendere il suo contributo semantico più deterministico e integrato nei cicli numerici.