ความท้าทายพื้นฐานในงานด้านการจำลอง (Modeling and Simulation) คือการค้นหาโมเดลที่มีอยู่เพื่อนำกลับมาใช้ใหม่ งานวิจัยนี้ได้ทดสอบการใช้ AI ในการทำ Semantic Search เพื่อค้นหาโมเดลผ่านคำสั่งภาษาธรรมชาติ โดยพิจารณาปัจจัย 3 ด้าน ได้แก่ รูปแบบการนำเสนอข้อมูล, ตัวแบบ Embedding และกลยุทธ์การสืบค้น (Retrieval Strategies)
ผลการวิจัยชี้ให้เห็นว่ารูปแบบข้อมูลมีผลต่อความแม่นยำ และโมเดล Embedding แบบ Open-source ในปัจจุบันสามารถให้ประสิทธิภาพที่สูงเทียบเท่ากับโซลูชันราคาแพงได้ นอกจากนี้ เทคนิคการจัดอันดับซ้ำ (Reranking) ยังมีความสำคัญอย่างยิ่งเมื่อคำค้นหามีความซับซ้อนมากขึ้น
งานวิจัยนี้ทำหน้าที่เป็นบรรทัดฐาน (Baseline) สำหรับการพัฒนาการค้นหาโมเดลด้วย AI ซึ่งเป็นก้าวสำคัญสู่การทำให้ระบบจำลองต่างๆ สามารถทำงานร่วมกันได้ (Interoperability) โดยอัตโนมัติในอนาคต
