SceneGenAgent: Natančno ustvarjanje industrijske scene s kodirnim agentom
Objavljeno leta: 2025 Zbornik 63. letnega srečanja Združenja za računalniško jezikoslovje (letnik 1: Dolgi članki), strani 17847—17875, Dunaj, Avstrija
Xiao Xia, Dan Zhang, Zibo Liao, Zhenyu Hou, Tianrui Sun, Jing Li, Ling Fu, Yuxiao Dong
Ustvarjanje 3D industrijskih prizorov z LLM je izziv zaradi strogih zahtev za natančne meritve in prostorsko načrtovanje. Da bi to rešili, avtorji predstavijo SceneGenAgent, agent LLM, ki ustvarja industrijske prizore s kodo C #. Uporablja strukturirano načrtovanje postavitve, preverjanje in iterativno izpopolnjevanje, da zadovolji natančne kvantitativne potrebe, kar poveča stopnjo uspešnosti LLM do 81,0%. Poleg tega avtorji izdajo SceneInstruct, nabor podatkov za natančno prilagajanje odprtokodnih LLM-jev, kot je Llama3.1-70B, da bi se v okviru približali zmogljivosti GPT-4o. Koda in podatki so javno dostopni.
Oglejte si na strani založnika
SiPhyR: Optimizacijski okvir, ki temelji na učenju od konca do konca za dinamično rekonfiguracijo omrežja
Objavljeno v: IEEE Transakcije na pametnem omrežju (Letnik: 16, številka: 2, marec 2025)
Rabab Haider, Anuradha Annaswamy, Biswadip Dey, Amit Chakraborty
Naraščajoča energija iz obnovljivih virov, skladiščenje in električna vozila zahtevajo hitrejše paradigme odločanja za distribucijska omrežja. Ta članek predlaga SiPhyR, okvir strojnega učenja, ki temelji na fiziki, za optimizacijo rekonfiguracije omrežja, ki temelji na učenju od konca do konca. SiPhyR optimizira topologijo in tokove moči za zmanjšanje izgub linij, izboljšanje napetostnih profilov in povečanje integracije obnovljivih virov. Za ravnanje z binarnimi spremenljivkami odločanja NP-trde uporablja metodo zaokroževanja, ki temelji na fiziki, znotraj diferenciabilnega okvira. To omogoča SiPhyR, da hkrati optimizira topologijo in odpremo omrežja, hkrati pa izpolnjuje varnostno kritične omejitve, kot je prikazano na treh kanoničnih omrežjih.
Oglejte si na strani založnika
Izkoriščanje prožnosti potrošnikov za zmanjšanje zastojev omrežja v prihodnjih distribucijskih omrežjih
Objavljeno v: Energije 2024
Tomaselli D., Most D., et al
Naraščajoča uporaba fotovoltaičnih (PV) sistemov za števcem (BTM), električnih vozil (EV) in toplotnih črpalk povzroča zastoje distribucijskega omrežja. Ta članek ocenjuje prilagodljivost BTM z uporabo novega okvira, ki združuje optimalen pretok moči v tekočem horizontu z delno linearno funkcijo stroškov za reševanje te težave brez dragih nadgradenj. Ko so bili testirani na omrežnem modelu v nemškem Schutterwaldu, so rezultati pokazali, da je shranjevanje BTM za samoporabo odpravilo vse kršitve napajanja, vendar le 35% kršitev obremenitve. Vendar pa proaktivni nadzor polnjenja in praznjenja shranjevanja učinkovito odpravi preostale kršitve obremenitve, tudi v skoraj nasičenih omrežjih.
Oglejte si na strani založnika
Nevronske diferencialne enačbe z integriranim krmiljenjem za modeliranje kemičnih procesov
Objavljeno leta: 2025 IEEE 32. mednarodna konferenca o visokozmogljivem računalništvu, podatkovnih in analitičnih delavnicah (HiPCW)
Sumeet Rodiya, Ved Vartak, Kunal Bahuguna, Subhajit Sanfui, Ramsatish Kaluri
Nevronske diferencialne enačbe so močne za simulacijo kemičnih procesov, vendar njihova uporaba v nadzorovanih kemičnih procesih ostaja relativno neraziskana. Ta članek ocenjuje nevronske navadne diferencialne enačbe (NOde) in nevronsko nadzorovane diferencialne enačbe (NCDE) za modeliranje serijskega bioreaktorskega sistema z eksplicitno kontrolno integracijo. Avtorji razvijejo spremenjen okvir NODE, ki vsebuje kontrolne vhode in preučujejo NCDE, ki vključujejo neprekinjene nadzorne poti z uporabo spline interpolacije. Okviri, implementirani v Diffraxu za učinkovito pospeševanje GPU, dokazujejo, da NCDE dosežejo vrhunsko napovedno natančnost, medtem ko NODE ponujajo hitrejše čase usposabljanja.
Oglejte si na strani založnika
Okvir z več agentmi, ki uporablja grafe znanja za modele virtualnih zagona
Objavljeno v: AVTOMATIZACIJA 2026, Uporaba inovacij (str. 144-152). VDE
Max Diekmann; Jonas Nitzler; Jan Fischer; Hans-Jürgen Pfisterer; Dirk Hartmann
Modeli virtualnega zagona (VCM) potrjujejo diskretne proizvodne sisteme pred uvedbo, vendar je njihova gradnja delovno intenzivna zaradi razdrobljenih podatkov med orodji, kot sta Siemens TIA Portal in NX MCD. Da bi to rešili, avtorji predlagajo okvir za več agentov, utemeljen na grafi znanja. Deterministična orodja izvlečejo in združijo PLC in kinematične podatke v enotno bazo grafov. Hierarhična arhitektura agentov nato pomaga pri razumevanju sistema, ustvarjanju komponent, ki temeljijo na skritih, in preslikavi signalov med domenami. Pristop, preizkušen v laboratorijski proizvodni nastavitvi, zmanjšuje napore za ročno tolmačenje in poenostavi zgodnji inženiring VCM.
Oglejte si na strani založnika
