論文の概要: Supporting Energy Policy Research with Large Language Models
- arxiv url: http://arxiv.org/abs/2403.12924v1
- Date: Tue, 19 Mar 2024 17:28:51 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-20 13:14:11.372409
- Title: Supporting Energy Policy Research with Large Language Models
- Title（参考訳）: 大規模言語モデルによるエネルギー政策研究の支援
- Authors: Grant Buster, Pavlo Pinchuk, Jacob Barrons, Ryan McKeever, Aaron Levine, Anthony Lopez,
- Abstract要約: 国家再生可能エネルギー研究所(NREL)は最近、このニーズを満たすために、公共の風と太陽座データベースを導入した。
本稿では,Large Language Models (LLMs) を用いて,法的文書からこれらのシッティング規則を抽出する手法を提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The recent growth in renewable energy development in the United States has been accompanied by a simultaneous surge in renewable energy siting ordinances. These zoning laws play a critical role in dictating the placement of wind and solar resources that are critical for achieving low-carbon energy futures. In this context, efficient access to and management of siting ordinance data becomes imperative. The National Renewable Energy Laboratory (NREL) recently introduced a public wind and solar siting database to fill this need. This paper presents a method for harnessing Large Language Models (LLMs) to automate the extraction of these siting ordinances from legal documents, enabling this database to maintain accurate up-to-date information in the rapidly changing energy policy landscape. A novel contribution of this research is the integration of a decision tree framework with LLMs. Our results show that this approach is 85 to 90% accurate with outputs that can be used directly in downstream quantitative modeling. We discuss opportunities to use this work to support similar large-scale policy research in the energy sector. By unlocking new efficiencies in the extraction and analysis of legal documents using LLMs, this study enables a path forward for automated large-scale energy policy research.
- Abstract（参考訳）: 近年の米国での再生可能エネルギー開発の増加は、再生可能エネルギーの着座条例の急激な増加を伴っている。
これらの帯電法則は、低炭素エネルギーの将来を達成する上で重要な風力と太陽資源の配置を決定する上で重要な役割を担っている。
この文脈では、座り順序データの効率的なアクセスと管理が必須となる。
国家再生可能エネルギー研究所(NREL)は最近、このニーズを満たすために、公共の風と太陽座データベースを導入した。
本稿では,Large Language Models (LLMs) を用いて法的文書からこれらの順序を自動抽出する手法を提案する。
この研究の新たな貢献は、決定木フレームワークとLLMの統合である。
提案手法は,下流の定量的モデリングに直接適用可能な出力に対して,85～90%の精度で適用可能であることを示す。
エネルギー部門における同様の大規模政策研究を支援するために,本研究を利用する機会について論じる。
LLMを用いた法律文書の抽出・分析における新たな効率性を確保することにより,大規模エネルギー政策研究の自動化に向けた道のりを拓くことができる。
関連論文リスト
- Comprehensive Forecasting-Based Analysis of Hybrid and Stacked Stateful/ Stateless Models [0.0]
風速は再生可能エネルギーの強力な供給源であり、電力生産のための再生不可能な資源の代替として利用することができる。
本稿では,4つのディープリカレントニューラルネットワークについて論じる。スタックドステートレスLSTM,スタックドステートレスGRU,スタックドステートフルLSTM,スタックドステートフルGRU。
本論文は,それらのアーキテクチャを記述したモデルの性能を包括的に分析し,RMSE値の助けを借りて効率よく結果を導き出す。
論文 参考訳（メタデータ） (2024-04-30T07:18:10Z) - HouYi: An open-source large language model specially designed for
renewable energy and carbon neutrality field [2.7985804151189897]
本稿では,再生可能エネルギーの非商業的LLM研究のための,初のオープンソースのRenewable Energy Academic Paper(REAP)データセットを公表した。
REAPデータセットに基づいて,再生可能エネルギーのための最初のLLMであるHouYiモデルを開発した。
実験の結果、再生可能エネルギーに関する学術論文を作成する能力はChatGPTに匹敵し、Claude、ERNIE Bot、SparkDeskをわずかに上回り、オープンソースのLLaMA-13Bモデルを大きく上回ります。
論文 参考訳（メタデータ） (2023-07-31T06:59:36Z) - Counting Carbon: A Survey of Factors Influencing the Emissions of
Machine Learning [77.62876532784759]
機械学習(ML)は、モデルトレーニングプロセス中に計算を実行するためにエネルギーを使用する必要がある。
このエネルギーの生成には、使用量やエネルギー源によって、温室効果ガスの排出という観点からの環境コストが伴う。
本稿では,自然言語処理とコンピュータビジョンにおいて,95のMLモデルの炭素排出量の時間的および異なるタスクに関する調査を行う。
論文 参考訳（メタデータ） (2023-02-16T18:35:00Z) - Distributed Energy Management and Demand Response in Smart Grids: A
Multi-Agent Deep Reinforcement Learning Framework [53.97223237572147]
本稿では、自律制御と再生可能エネルギー資源のスマート電力グリッドシステムへの統合のための多エージェント深層強化学習(DRL)フレームワークを提案する。
特に,提案フレームワークは,住宅利用者に対する需要応答 (DR) と分散エネルギー管理 (DEM) を共同で検討している。
論文 参考訳（メタデータ） (2022-11-29T01:18:58Z) - High-resolution synthetic residential energy use profiles for the United
States [12.699816591560712]
我々は、米国全土の住宅セクター向けに、大規模で総合的な住宅エネルギー利用データセットを公開します。
データは、合成世帯の1時間あたりのエネルギー使用プロファイルからなり、温度制御負荷(TCL)と家電の使用に分解される。
論文 参考訳（メタデータ） (2022-10-14T20:55:10Z) - Low Emission Building Control with Zero-Shot Reinforcement Learning [70.70479436076238]
強化学習(RL)による制御は、建築エネルギー効率を著しく向上させることが示されている。
我々は、ゼロショットビルディング制御と呼ばれるパラダイムを優先せずに、排出削減ポリシーを得られることを示す。
論文 参考訳（メタデータ） (2022-08-12T17:13:25Z) - Machine learning applications for electricity market agent-based models:
A systematic literature review [68.8204255655161]
エージェントベースのシミュレーションは、電気市場のダイナミクスをよりよく理解するために使用される。
エージェントベースのモデルは、機械学習と人工知能を統合する機会を提供する。
我々は、エージェントベースの電気市場モデルに適用された機械学習に焦点を当てた2016年から2021年の間に発行された55の論文をレビューする。
論文 参考訳（メタデータ） (2022-06-05T14:52:26Z) - An Artificial Intelligence Dataset for Solar Energy Locations in India [6.454602468926006]
インドは2030年までに300ギガワットの太陽エネルギーを投入するという野心的な目標を掲げている。
土地利用プランナーは、PVインフラの最新の正確な地理空間情報にアクセスする必要がある。
インド全土の実用規模のソーラープロジェクトを地図化するための空間的明示的な機械学習モデルを構築した。
論文 参考訳（メタデータ） (2022-01-31T23:53:19Z) - Comprehensive forecasting based analysis using stacked stateless and
stateful Gated Recurrent Unit models [0.0]
太陽光発電は再生可能エネルギー源であり、産業で広く利用されている。
経済的に苦しむ国では、他の再生不可能な資源が既に枯渇しているため、エネルギーの潜在的な供給源となる可能性がある。
本稿は、西ベンガルの3つの地域と、GRU(Gated Recurrent Unit)モデルを用いた外部の4つの地域における太陽放射の予測について検討する。
論文 参考訳（メタデータ） (2020-08-12T21:13:16Z) - Multi-Agent Meta-Reinforcement Learning for Self-Powered and Sustainable
Edge Computing Systems [87.4519172058185]
エッジコンピューティング機能を有するセルフパワー無線ネットワークの効率的なエネルギー分配機構について検討した。
定式化問題を解くために,新しいマルチエージェントメタ強化学習(MAMRL)フレームワークを提案する。
実験の結果、提案されたMAMRLモデルは、再生不可能なエネルギー使用量を最大11%削減し、エネルギーコストを22.4%削減できることが示された。
論文 参考訳（メタデータ） (2020-02-20T04:58:07Z) - Towards the Systematic Reporting of the Energy and Carbon Footprints of
Machine Learning [68.37641996188133]
我々は、リアルタイムエネルギー消費と二酸化炭素排出量を追跡するための枠組みを導入する。
エネルギー効率のよい強化学習アルゴリズムのためのリーダーボードを作成します。
炭素排出量削減とエネルギー消費削減のための戦略を提案する。
論文 参考訳（メタデータ） (2020-01-31T05:12:59Z)
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。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。