論文の概要: Physics-Informed LLM-Agent for Automated Modulation Design in Power Electronics Systems
- arxiv url: http://arxiv.org/abs/2411.14214v1
- Date: Thu, 21 Nov 2024 15:24:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-11-22 15:18:19.861680
- Title: Physics-Informed LLM-Agent for Automated Modulation Design in Power Electronics Systems
- Title（参考訳）: パワーエレクトロニクスシステムにおける自動変調設計のための物理インフォームLDM-Agent
- Authors: Junhua Liu, Fanfan Lin, Xinze Li, Kwan Hui Lim, Shuai Zhao,
- Abstract要約: LP-COMDAは、人間の監督を最小限にした電力変換器の変調設計を自動化する自律エージェントである。
従来のAI支援アプローチとは異なり、LP-COMDAにはLLMベースのプランナが含まれており、ユーザフレンドリーなチャットインターフェースを通じて設計仕様を収集し、検証する。
実験の結果、LP-COMDAは標準平均絶対誤差の点で2番目のベンチマーク法に比べて63.2%の誤差削減を実現している。
- 参考スコア（独自算出の注目度）: 6.389576718217962
- License:
- Abstract: LLM-based autonomous agents have demonstrated outstanding performance in solving complex industrial tasks. However, in the pursuit of carbon neutrality and high-performance renewable energy systems, existing AI-assisted design automation faces significant limitations in explainability, scalability, and usability. To address these challenges, we propose LP-COMDA, an LLM-based, physics-informed autonomous agent that automates the modulation design of power converters in Power Electronics Systems with minimal human supervision. Unlike traditional AI-assisted approaches, LP-COMDA contains an LLM-based planner that gathers and validates design specifications through a user-friendly chat interface. The planner then coordinates with physics-informed design and optimization tools to iteratively generate and refine modulation designs autonomously. Through the chat interface, LP-COMDA provides an explainable design process, presenting explanations and charts. Experiments show that LP-COMDA outperforms all baseline methods, achieving a 63.2% reduction in error compared to the second-best benchmark method in terms of standard mean absolute error. Furthermore, empirical studies with 20 experts conclude that design time with LP-COMDA is over 33 times faster than conventional methods, showing its significant improvement on design efficiency over the current processes.
- Abstract（参考訳）: LLMをベースとした自律エージェントは、複雑な産業タスクの解決において優れた性能を示した。
しかしながら、炭素中立性と高性能再生可能エネルギーシステム追求において、既存のAI支援設計自動化は、説明可能性、スケーラビリティ、ユーザビリティにおいて重大な制限に直面している。
これらの課題に対処するために,パワーエレクトロニクスシステムにおける電力変換器の変調設計を最小限の人的監督で自動化するLLMベースの物理情報処理型自律エージェントLP-COMDAを提案する。
従来のAI支援アプローチとは異なり、LP-COMDAにはLLMベースのプランナが含まれており、ユーザフレンドリーなチャットインターフェースを通じて設計仕様を収集し、検証する。
プランナーは、物理インフォームドの設計と最適化ツールと協調して、自動で変調設計を反復的に生成し、洗練する。
チャットインターフェースを通じて、LP-COMDAは説明可能な設計プロセスを提供し、説明とチャートを提示する。
実験の結果、LP-COMDAは標準平均絶対誤差の点で2番目のベンチマーク法に比べて63.2%の誤差削減を実現している。
さらに、20名の専門家による実証研究により、LP-COMDAの設計時間は従来の手法の33倍以上の速さで、現在のプロセスよりも設計効率が大幅に向上していることが示された。
関連論文リスト
- Lingma SWE-GPT: An Open Development-Process-Centric Language Model for Automated Software Improvement [62.94719119451089]
Lingma SWE-GPTシリーズは、現実世界のコード提出活動から学び、シミュレーションする。
Lingma SWE-GPT 72BはGitHubの30.20%の問題を解決する。
論文 参考訳（メタデータ） (2024-11-01T14:27:16Z) - Logic Synthesis Optimization with Predictive Self-Supervision via Causal Transformers [19.13500546022262]
LSOformerは、自動回帰トランスフォーマーモデルと予測SSLを利用して、結果の質の軌道(QoR)を予測する新しいアプローチである。
LSOformerは、クロスアテンションモジュールを統合して、回路グラフと最適化シーケンスからの洞察をマージし、QoRメトリクスの予測精度を向上させる。
論文 参考訳（メタデータ） (2024-09-16T18:45:07Z) - Deep Analysis of Time Series Data for Smart Grid Startup Strategies: A Transformer-LSTM-PSO Model Approach [0.8702432681310401]
Transformer-LSTM-PSOモデルはグリッド起動方式における複雑な時間的関係をより効果的に捉えるように設計されている。
Modelは、既存のベンチマークと比較して、複数のデータセットにわたるRMSEとMAE値の低い値を達成する。
Transformer-LSTM-PSOモデルの適用は、スマートグリッド予測分析の大幅な進歩を示している。
論文 参考訳（メタデータ） (2024-08-22T04:52:02Z) - Automated Design and Optimization of Distributed Filtering Circuits via Reinforcement Learning [20.500468654567033]
そこで本研究では,DFC設計のための新しいエンドツーエンド自動手法を提案する。
提案手法は強化学習(RL)アルゴリズムを利用して,技術者の設計経験への依存を解消する。
本手法は, 複雑もしくは急速に発展するDFCの設計において, 優れた性能を実現する。
論文 参考訳（メタデータ） (2024-02-22T02:36:14Z) - Machine Learning Insides OptVerse AI Solver: Design Principles and
Applications [74.67495900436728]
本稿では,Huawei CloudのOpsVerse AIソルバに機械学習(ML)技術を統合するための総合的研究について述べる。
本稿では,実世界の多面構造を反映した生成モデルを用いて,複雑なSATインスタンスとMILPインスタンスを生成する手法を紹介する。
本稿では,解解器性能を著しく向上させる,最先端パラメータチューニングアルゴリズムの導入について詳述する。
論文 参考訳（メタデータ） (2024-01-11T15:02:15Z) - Artificial-Intelligence-Based Design for Circuit Parameters of Power
Converters [0.0]
本稿では,電力変換器のパラメータ設計のための人工知能設計(AI-D)手法を提案する。
高精度で実装が容易な人間依存を軽減するため、シミュレーションツールとバッチ正規化ニューラルネットワーク(BN-NN)が採用されている。
提案手法は, 電気自動車の48V・12Vアクセサリー負荷電源システムにおいて, 同期バックコンバータの回路パラメータ設計において検証される。
論文 参考訳（メタデータ） (2023-07-30T08:39:41Z) - End-to-End Meta-Bayesian Optimisation with Transformer Neural Processes [52.818579746354665]
本稿では,ニューラルネットワークを一般化し,トランスフォーマーアーキテクチャを用いて獲得関数を学習する,エンド・ツー・エンドの差別化可能な最初のメタBOフレームワークを提案する。
我々は、この強化学習(RL)によるエンドツーエンドのフレームワークを、ラベル付き取得データの欠如に対処できるようにします。
論文 参考訳（メタデータ） (2023-05-25T10:58:46Z) - Towards Long-Term Time-Series Forecasting: Feature, Pattern, and
Distribution [57.71199089609161]
長期的時系列予測(LTTF)は、風力発電計画など、多くのアプリケーションで需要が高まっている。
トランスフォーマーモデルは、高い計算自己認識機構のため、高い予測能力を提供するために採用されている。
LTTFの既存の手法を3つの面で区別する,Conformer という,効率的なTransformer ベースモデルを提案する。
論文 参考訳（メタデータ） (2023-01-05T13:59:29Z) - Proximal Policy Optimization-based Transmit Beamforming and Phase-shift
Design in an IRS-aided ISAC System for the THz Band [90.45915557253385]
テラヘルツ(THz)帯で動作するIRS支援統合センシング・通信(ISAC)システムを提案し,システム容量を最大化する。
透過ビームフォーミングと位相シフト設計はエルゴード制約を伴う普遍最適化問題に変換される。
論文 参考訳（メタデータ） (2022-03-21T09:15:18Z) - Multi-objective Optimisation of Digital Circuits based on Cell Mapping
in an Industrial EDA Flow [0.2578242050187029]
この問題に対処するために,完全自動多目的EDAフローを導入している。
提案するMOEDAフレームワークを,65nmの商用標準セルライブラリを用いてISCAS-85およびEPFLベンチマーク回路に適用した。
論文 参考訳（メタデータ） (2021-05-21T15:29:58Z) - Reconfigurable Intelligent Surface Assisted Mobile Edge Computing with
Heterogeneous Learning Tasks [53.1636151439562]
モバイルエッジコンピューティング(MEC)は、AIアプリケーションに自然なプラットフォームを提供します。
再構成可能なインテリジェントサーフェス(RIS)の助けを借りて、MECで機械学習タスクを実行するインフラストラクチャを提示します。
具体的には,モバイルユーザの送信パワー,基地局のビームフォーミングベクトル,risの位相シフト行列を共同で最適化することにより,参加ユーザの学習誤差を最小化する。
論文 参考訳（メタデータ） (2020-12-25T07:08:50Z)
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。