Título: DEVS Copilot: cooperación humano-IA para la generación de modelos de simulación

Resumen del trabajo: 

En esta tesis exploramos hasta qué punto la IA generativa, en forma de grandes modelos de lenguaje (LLM) como GPT-4, LLaMA 3 y Mixtral, puede ayudar a obtener un modelo de simulación ejecutable correcto.

El punto de partida es una descripción de alto nivel de un sistema expresada en lenguaje natural, que evoluciona a través de un proceso conversacional basado en interacciones con un/a modelista.

Presentamos una metodología y una herramienta inspiradas en la metáfora del copiloto, una estrategia de trabajo en equipo entre humanos e IA bien conocida por su éxito en tareas de programación.
Adoptamos el formalismo de modelado y simulación Discrete Event System Specification (DEVS), un candidato adecuado ya que permite especificar modelos de propósito general de forma modular, jerárquica, sencilla y rigurosa.

El resultado es DEVS Copilot, un prototipo basado en IA cuyo desempeño caracterizamos sistemáticamente al aplicarlo en la construcción de distintos ejemplos: sistemas de control de luces con complejidad creciente, un cluster de còmputo simple con balanceo de carga y el modelo de autómata celular tipo Juego de la VIda de Conway. En todos los casos DEVS Copilot logró producir simulaciones DEVS correctas.
Finalmente, se identificaron los mejores parámetros de ejecución (e.g. temperatura), proponiendo una metodología extrapolable para comparación de resultados, y se compararon los efectos de adoptar GPT-4, LLaMA 3 y Mixtral como LLMs soporte de la herramienta.