SceneGenAgent: Ακριβής παραγωγή βιομηχανικής σκηνής με παράγοντα κωδικοποίησης
Δημοσιεύθηκε στο: 2025 Πρακτικά της 63ης Ετήσιας Συνάντησης της Ένωσης Υπολογιστικής Γλωσσολογίας (Τόμος 1: Long Papers), σελίδες 17847—17875, Βιέννη, Αυστρία
Σιάο Ξία, Νταν Ζανγκ, Ζίμπο Λιάο, Ζενγιού Χου, Τιανρούι Σουν, Τζινγκ Λι, Λινγκ Φου, Γιουσιάο Ντονγκ
Η δημιουργία τρισδιάστατων βιομηχανικών σκηνών με LLM είναι δύσκολη λόγω των αυστηρών απαιτήσεων για ακριβείς μετρήσεις και χωροταξικό σχεδιασμό. Για να το λύσουν αυτό, οι συγγραφείς εισάγουν το SceneGenAgent, έναν παράγοντα LLM που δημιουργεί βιομηχανικές σκηνές μέσω κώδικα C #. Χρησιμοποιεί δομημένο σχεδιασμό διάταξης, επαλήθευση και επαναληπτική βελτίωση για την ικανοποίηση ακριβών ποσοτικών αναγκών, αυξάνοντας τα ποσοστά επιτυχίας LLM έως και 81,0%. Επιπλέον, οι συγγραφείς κυκλοφορούν το SceneInstruct, ένα σύνολο δεδομένων για την τελειοποίηση των LLM ανοιχτού κώδικα όπως το Llama3.1-70B για την προσέγγιση της απόδοσης GPT-4o εντός του πλαισίου. Ο κώδικας και τα δεδομένα είναι διαθέσιμα στο κοινό.
Προβολή στη σελίδα του εκδότη
SipHyr: Ένα πλαίσιο βελτιστοποίησης βασισμένο σε μάθηση από άκρο σε άκρο για δυναμική αναδιαμόρφωση πλέγματος
Δημοσιεύθηκε σε: Συναλλαγές IEEE στο Έξυπνο Πλέγμα (Τόμος: 16, Τεύχος: 2, Μάρτιος 2025)
Ραμπάμπ Χάιντερ, Ανουράδα Ανασβάμι, Μπισβαδίπ Ντέι, Αμίτ Τσακραμπορτί
Η αύξηση των ανανεώσιμων πηγών ενέργειας, της αποθήκευσης και των ηλεκτρικών οχημάτων απαιτούν ταχύτερα πρότυπα λήψης αποφάσεων για τα δίκτυα διανομής. Αυτή η εργασία προτείνει το SIPHyr, ένα πλαίσιο μηχανικής μάθησης που βασίζεται στη φυσική για βελτιστοποίηση της αναδιαμόρφωσης του πλέγματος βάσει μάθησης από άκρο σε άκρο. Το SIPHyr βελτιστοποιεί την τοπολογία και τις ροές ισχύος για να μειώσει τις απώλειες γραμμής, να βελτιώσει τα προφίλ τάσης και να ενισχύσει την ενσωμάτωση των ανανεώσιμων πηγών ενέργειας. Για τη διαχείριση μεταβλητών δυαδικής απόφασης NP-hard, χρησιμοποιεί μια μέθοδο στρογγυλοποίησης με βάση τη φυσική μέσα σε ένα διαφοροποιήσιμο πλαίσιο. Αυτό επιτρέπει στο SIPhyR να βελτιστοποιεί ταυτόχρονα την τοπολογία και την αποστολή του δικτύου ικανοποιώντας παράλληλα κρίσιμους για την ασφάλεια περιορισμούς, όπως αποδεικνύεται σε τρία κανονικά πλέγματα.
Προβολή στη σελίδα του εκδότη
Αξιοποίηση της ευελιξίας των καταναλωτών για τον μετριασμό της συμφόρησης του δικτύου στα μελλοντικά δίκτυα διανομής ηλεκτρικής ενέργειας
Δημοσιεύθηκε σε: Ενέργειες 2024
Τομασέλι Δ., Μοστ Δ., και συν.
Η αυξανόμενη υιοθέτηση φωτοβολταϊκών (ΦΒ) συστημάτων πίσω από το μέτρο (BTM), ηλεκτρικών οχημάτων (EV) και αντλιών θερμότητας προκαλεί συμφόρηση στο δίκτυο διανομής. Αυτό το έγγραφο αξιολογεί την ευελιξία BTM χρησιμοποιώντας ένα νέο πλαίσιο που συνδυάζει μια βέλτιστη ροή ισχύος κυλιόμενου ορίζοντα με μια τμηματική γραμμική συνάρτηση κόστους για την αντιμετώπιση αυτού του ζητήματος χωρίς δαπανηρές αναβαθμίσεις. Όταν δοκιμάστηκαν σε ένα μοντέλο δικτύου του Schutterwald της Γερμανίας, τα αποτελέσματα έδειξαν ότι η αποθήκευση BTM αυτοκατανάλωσης επιλύει όλες τις παραβιάσεις τροφοδοσίας, αλλά μόνο το 35% των παραβιάσεων φορτίου. Ωστόσο, ο προληπτικός έλεγχος της φόρτισης και της εκφόρτισης αποθήκευσης επιλύει αποτελεσματικά τις υπόλοιπες παραβιάσεις φορτίου, ακόμη και σε σχεδόν κορεσμένα δίκτυα.
Προβολή στη σελίδα του εκδότη
Νευρωνικές διαφορικές εξισώσεις με ολοκληρωμένο έλεγχο για μοντελοποίηση χημικών διεργασιών
Δημοσιεύθηκε στο: 2025 32ο Διεθνές Συνέδριο IEEE για την Υπολογιστική Υψηλής Απόδοσης, Εργαστήριο Δεδομένων και Αναλυτικών Στοιχείων (HiPCW)
Σουμέτ Ρόντια, Βεντ Βαρτάκ, Κουνάλ Μπαχούγκουνα, Σουμπαχίτ Σανφούι, Ραμσατίς Καλούρι
Οι νευρωνικές διαφορικές εξισώσεις είναι ισχυρές για προσομοίωση χημικών διεργασιών, αλλά η εφαρμογή τους σε ελεγχόμενες χημικές διεργασίες παραμένει σχετικά ανεξερεύνητη. Αυτή η εργασία αξιολογεί νευρωνικές συνήθεις διαφορικές εξισώσεις (NODE) και νευρικά ελεγχόμενες διαφορικές εξισώσεις (NCDE) για τη μοντελοποίηση ενός ομαδικού συστήματος βιοαντιδραστήρων με ρητή ενσωμάτωση ελέγχου. Οι συγγραφείς αναπτύσσουν ένα τροποποιημένο πλαίσιο NODE που περιέχει εισόδους ελέγχου και μελετούν NCDE, τα οποία ενσωματώνουν συνεχείς διαδρομές ελέγχου χρησιμοποιώντας παρεμβολή spline. Εφαρμοσμένα στο Diffrax για αποτελεσματική επιτάχυνση GPU, τα πλαίσια δείχνουν ότι τα NCDE επιτυγχάνουν ανώτερη ακρίβεια πρόβλεψης, ενώ τα NODE προσφέρουν γρηγορότερους χρόνους εκπαίδευσης.
Προβολή στη σελίδα του εκδότη
Πλαίσιο πολλαπλών παραγόντων που αξιοποιεί γραφήματα γνώσης για εικονικά μοντέλα θέσης σε λειτουργία
Δημοσιεύθηκε στο: ΑΥΤΟΜΑΤΙΣΜΟΣ 2026, Εφαρμογή αναζήτησης καινοτομίας (σελ. 144-152). VDE
Μαξ Ντίκμαν; Τζόνας Νίτσλερ; Γιαν Φίσερ; Χανς-Γιούργκεν Πφίστερερ; Ντιρκ Χάρτμαν
Τα μοντέλα εικονικής θέσης σε λειτουργία (VCM) επικυρώνουν διακριτά συστήματα κατασκευής πριν από την ανάπτυξη, αλλά η κατασκευή τους απαιτεί εντατική εργασία λόγω κατακερματισμένων δεδομένων σε εργαλεία όπως το Siemens TIA Portal και το NX MCD. Για να αντιμετωπιστεί αυτό, οι συγγραφείς προτείνουν ένα πλαίσιο πολλαπλών παραγόντων βασισμένο σε γραφήματα γνώσης. Τα ντετερμινιστικά εργαλεία εξάγουν και συγχωνεύουν PLC και κινηματικά δεδομένα σε μια ενοποιημένη βάση δεδομένων γραφημάτων. Στη συνέχεια, μια ιεραρχική αρχιτεκτονική πράκτορα βοηθά στην κατανόηση του συστήματος, τη δημιουργία στοιχείων βάσει σεναρίων και τη χαρτογράφηση σήματος μεταξύ τομέων. Δοκιμασμένη σε εργαστηριακή εγκατάσταση κατασκευής, η προσέγγιση μειώνει την προσπάθεια χειρωνακτικής ερμηνείας και εξορθολογίζει την πρώιμη μηχανική VCM.
Προβολή στη σελίδα του εκδότη
