ScenegenAgent: Generación precisa de escena industrial con agente de codificación
Publicado en: 2025 Actas de la 63ª Reunión Anual de la Asociación de Lingüística Computacional (Volumen 1: Documentos largos), páginas 17847—17875, Viena, Austria
Xiao Xia, Dan Zhang, Zibo Liao, Zhenyu Hou, Tianrui Sun, Jing Li, Ling Fu, Yuxiao Dong
Generar escenas industriales 3D con LLM es un desafío debido a los estrictos requisitos para mediciones precisas y planificación espacial. Para resolver esto, los autores presentan ScenegenAgent, un agente LLM que genera escenas industriales a través del código C#. Utiliza la planificación estructurada del diseño, la verificación y el refinamiento iterativo para satisfacer las necesidades cuantitativas exactas, lo que aumenta las tasas de éxito de LLM hasta un 81.0%. Además, los autores publican SceneInstruct, un conjunto de datos para ajustar LLM de código abierto como Llama3.1-70B para acercarse al rendimiento de GPT-4o dentro del marco. El código y los datos están disponibles públicamente.
Ver en la página del editor
SiPhyr: Un marco de optimización de extremo a extremo basado en el aprendizaje para la reconfiguración dinámica de la cuadrícula
Publicado en: IEEE Transactions on Smart Grid (Volumen: 16, Número: 2, marzo de 2025)
Rabab Haider, Anuradha Annaswamy, Biswadip Dey, Amit Chakraborty
El aumento de las energías renovables, el almacenamiento y los vehículos eléctricos requieren paradigmas de toma de decisiones más rápidos para las redes de distribución. Este documento propone SiPhyr, un marco de aprendizaje automático basado en la física para la optimización de la reconfiguración de la red basada en el aprendizaje de extremo a extremo. SiPhyr optimiza la topología y los flujos de energía para reducir las pérdidas de línea, mejorar los perfiles de voltaje e impulsar la integración renovable. Para manejar variables de decisión binarias duras NP, utiliza un método de redondeo basado en la física dentro de un marco diferenciable. Esto permite a SiPhyr optimizar simultáneamente la topología y el envío de la red al tiempo que satisface las restricciones críticas para la seguridad, como se demuestra en tres cuadrículas canónicas.
Ver en la página del editor
Aprovechar la flexibilidad de los prosumidores para mitigar la congestión de la red en futuras redes de distribución de energía
Publicado en: Energies 2024
Tomaselli D., Most D. y col.
La creciente adopción de sistemas fotovoltaicos (PV) detrás del metro (BTM), vehículos eléctricos (EV) y bombas de calor está causando congestión en la red de distribución. Este documento evalúa la flexibilidad de BTM utilizando un marco novedoso que combina un flujo de energía óptimo de horizonte rodante con una función de costo lineal por partes para abordar este problema sin costosas actualizaciones. Cuando se probó en un modelo de red de Schutterwald, Alemania, los resultados mostraron que el almacenamiento BTM de autoconsumo resolvió todas las violaciones de alimentación, pero solo el 35% de las violaciones de carga. Sin embargo, controlar proactivamente la carga y descarga del almacenamiento resuelve eficazmente las violaciones de carga restantes, incluso en redes casi saturadas.
Ver en la página del editor
Ecuaciones diferenciales neuronales con control integrado para el modelado de procesos químicos
Publicado en: 32a Conferencia Internacional IEEE 2025 sobre Computación de Alto Rendimiento, Datos y Taller de Análisis (HiPCW)
Sumeet Rodiya, Ved Vartak, Kunal Bahuguna, Subhajit Sanfui, Ramsatish Kaluri
Las ecuaciones diferenciales neuronales son poderosas para la simulación de procesos químicos, pero su aplicación a procesos químicos controlados sigue siendo relativamente inexplorada. Este documento evalúa las ecuaciones diferenciales ordinarias neuronales (NOde) y las ecuaciones diferenciales controladas neuronales (NCDE) para modelar un sistema de biorreactor por lotes con integración de control explícita. Los autores desarrollan un marco NODE modificado que contiene entradas de control y estudios de NCDE, que incorporan rutas de control continuo mediante interpolación spline. Implementados en Diffrax para una aceleración eficiente de GPU, los marcos demuestran que los NCDE logran una precisión predictiva superior, mientras que los NODE ofrecen tiempos de training más rápidos.
Ver en la página del editor
Marco multiagente que aprovecha gráficos de conocimientos para modelos de puesta en marcha virtuales
Publicado en: AUTOMATION 2026, Innovation trifft Anwendung (págs. 144-152). VDE
Max Diekmann; Jonas Nitzler; Jan Fischer; Hans-Juergen Pfisterer; Dirk Hartmann
Los modelos de puesta en marcha virtual (VCM) validan los sistemas de fabricación discretos antes de la implementación, pero construirlos requiere mucha mano de obra debido a la fragmentación de datos en herramientas como Siemens TIA Portal y NX MCD. Para abordar esto, los autores proponen un marco multiagente basado en gráficos de conocimiento. Las herramientas deterministas extraen y fusionan PLC y datos cinemáticos en una base de datos gráfica unificada. Una arquitectura de agente jerárquica ayuda entonces con la comprensión del sistema, la generación de componentes basada en scripts y el mapeo de señales entre dominios. Probado en una configuración de fabricación a escala de laboratorio, el enfoque reduce el esfuerzo de interpretación manual y agiliza la ingeniería VCM temprana.
Ver en la página del editor
