Fugu-MT 論文翻訳(概要): Massively Digitized Power Grid: Opportunities and Challenges of Use-inspired AI

論文の概要: Massively Digitized Power Grid: Opportunities and Challenges of Use-inspired AI

arxiv url: http://arxiv.org/abs/2205.05180v1
Date: Tue, 10 May 2022 21:34:14 GMT
ステータス: 処理完了
システム内更新日: 2022-05-13 10:52:58.738855
Title: Massively Digitized Power Grid: Opportunities and Challenges of Use-inspired AI
Title（参考訳）: 大規模分散電力グリッド - 利用にインスパイアされたAIの可能性と課題
Authors: Le Xie, Xiangtian Zheng, Yannan Sun, Tong Huang, Tony Bruton
Abstract要約: 本稿は、大規模デジタル電力網における可能性と課題について、利用に触発された視点を提示する。データアベイラビリティ、コンピューティング能力、人工知能(AI)アルゴリズム開発の相互作用が、電力グリッドにデジタルソリューションを採用する上で重要な3つの要因である、と氏は主張する。
参考スコア（独自算出の注目度）: 1.1129587851149594
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This article presents a use-inspired perspective of the opportunities and challenges in a massively digitized power grid. It argues that the intricate interplay of data availability, computing capability, and artificial intelligence (AI) algorithm development are the three key factors driving the adoption of digitized solutions in the power grid. The impact of these three factors on critical functions of power system operation and planning practices are reviewed and illustrated with industrial practice case studies. Open challenges and research opportunities for data, computing, and AI algorithms are articulated within the context of the power industry's tremendous decarbonization efforts.
Abstract（参考訳）: 本稿は、大規模デジタル電力網における機会と課題について、利用に触発された視点を示す。データアベイラビリティ、コンピューティング能力、人工知能(ai)アルゴリズム開発の複雑な相互作用は、電力グリッドにおけるデジタル化ソリューションの採用を促進する3つの重要な要因であると主張している。これら3つの要因が電力系統運用の重要機能や計画実践に与える影響を,産業実践事例研究で概説し,考察した。データ、コンピューティング、AIアルゴリズムに対するオープンな課題と研究の機会は、電力産業の膨大な脱炭活動の文脈内で具体化されている。

関連論文リスト

Present and Future of AI in Renewable Energy Domain : A Comprehensive Survey [0.0]
人工知能(AI)は、様々な産業におけるプロセスを合理化するための重要な手段となっている。現代の電力システムの再生可能エネルギー(RE)を支援するため、9つのAIベースの戦略がここで特定されている。この研究は、再生可能エネルギー生成にAI技術を使用すること、再生可能エネルギー予測にAIを活用すること、エネルギーシステムの最適化という3つの主要なトピックについても論じている。
論文参考訳（メタデータ） (2024-06-22T04:36:09Z)
Computing Power and the Governance of Artificial Intelligence [51.967584623262674]
政府や企業は、AIを管理する手段として計算を活用し始めている。計算ベースのポリシーと技術は、これらの領域を補助する可能性があるが、実装の準備ができている点で大きなバリエーションがある。プライバシーや経済的影響、権力の中央集権化といった分野において、ガバナンスの計算方法の素早い、あるいは不十分なアプローチは重大なリスクを伴います。
論文参考訳（メタデータ） (2024-02-13T21:10:21Z)
Edge AI Inference in Heterogeneous Constrained Computing: Feasibility and Opportunities [9.156192191794567]
AI推論アクセラレータの急増はイノベーションを示すだけでなく、課題も浮き彫りにしている。本稿では,ハードウェアの多様性に対応するフレームワークの要件とコンポーネントについて概説する。次に、デバイスの不均一性がAI推論性能に与える影響を評価し、サービス品質を損なうことなく結果の最適化戦略を特定する。
論文参考訳（メタデータ） (2023-10-27T16:46:59Z)
Causal Reasoning: Charting a Revolutionary Course for Next-Generation AI-Native Wireless Networks [63.246437631458356]
次世代無線ネットワーク(例:6G)は人工知能(AI)ネイティブである。本稿では、新たな因果推論分野を基盤として、AIネイティブな無線ネットワークを構築するための新しいフレームワークを紹介する。因果発見と表現によって対処できる無線ネットワークの課題をいくつか挙げる。
論文参考訳（メタデータ） (2023-09-23T00:05:39Z)
Computation-efficient Deep Learning for Computer Vision: A Survey [121.84121397440337]
ディープラーニングモデルは、さまざまな視覚的知覚タスクにおいて、人間レベルのパフォーマンスに到達または超えた。ディープラーニングモデルは通常、重要な計算資源を必要とし、現実のシナリオでは非現実的な電力消費、遅延、または二酸化炭素排出量につながる。新しい研究の焦点は計算効率のよいディープラーニングであり、推論時の計算コストを最小限に抑えつつ、良好な性能を達成することを目指している。
論文参考訳（メタデータ） (2023-08-27T03:55:28Z)
Brain-Inspired Computational Intelligence via Predictive Coding [89.6335791546526]
予測符号化(PC)は、マシンインテリジェンスタスクにおいて有望なパフォーマンスを示している。 PCは様々な脳領域で情報処理をモデル化することができ、認知制御やロボティクスで使用することができる。
論文参考訳（メタデータ） (2023-08-15T16:37:16Z)
AI for IT Operations (AIOps) on Cloud Platforms: Reviews, Opportunities and Challenges [60.56413461109281]
IT運用のための人工知能(AIOps)は、AIのパワーとIT運用プロセスが生成するビッグデータを組み合わせることを目的としている。我々は、IT運用活動が発信する重要なデータの種類、分析における規模と課題、そしてどのように役立つかについて深く議論する。主要なAIOpsタスクは、インシデント検出、障害予測、根本原因分析、自動アクションに分類します。
論文参考訳（メタデータ） (2023-04-10T15:38:12Z)
AI Explainability and Governance in Smart Energy Systems: A Review [0.36832029288386137]
AIの説明可能性と管理可能性の欠如は、ステークホルダーにとって大きな関心事である。本稿では,スマートエネルギーシステムにおけるAI説明可能性とガバナンスについて概説する。
論文参考訳（メタデータ） (2022-10-24T05:09:13Z)
Spiking Neural Networks Hardware Implementations and Challenges: a Survey [53.429871539789445]
スパイキングニューラルネットワークは、ニューロンとシナプスの操作原理を模倣する認知アルゴリズムである。スパイキングニューラルネットワークのハードウェア実装の現状について述べる。本稿では,これらのイベント駆動アルゴリズムの特性をハードウェアレベルで活用するための戦略について論じる。
論文参考訳（メタデータ） (2020-05-04T13:24:00Z)
Convergence of Artificial Intelligence and High Performance Computing on NSF-supported Cyberinfrastructure [3.4291439418246177]
人工知能(AI)アプリケーションは、産業や技術におけるビッグデータの課題に対して、トランスフォーメーションソリューションを推進している。 AIは、統計的および数学的厳密性を備えたコンピューティングパラダイムへと進化し続けており、トレーニング、検証、テストのためのシングルGPUソリューションがもはや不十分であることが明らかになっている。この実現により、AIとハイパフォーマンスコンピューティングの融合が加速し、監視時間の短縮が図られている。
論文参考訳（メタデータ） (2020-03-18T18:00:02Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。