論文の概要: PowerChain: Automating Distribution Grid Analysis with Agentic AI Workflows

• arxiv url: http://arxiv.org/abs/2508.17094v1
• Date: Sat, 23 Aug 2025 17:24:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-26 18:43:45.339402
• Title: PowerChain: Automating Distribution Grid Analysis with Agentic AI Workflows
• Title（参考訳）: PowerChain: エージェントAIワークフローによる分散グリッド分析の自動化
• Authors: Emmanuel O. Badmus, Peng Sang, Dimitrios Stamoulis, Amritanshu Pandey,
• Abstract要約: 多くの小規模ユーティリティーや協同組合は研究開発の労働力に欠けており、そのため大規模に高度な分析を利用できない。 我々は,自動エージェントオーケストレーションと大規模言語モデル(LLM)関数呼び出しによる未知のDG解析タスクを解決するために,新しいエージェントAIシステムPowerChainを開発した。 GPT-5およびオープンソースのQwenモデルを用いて,実効用データで動作する複雑なDG解析タスク上で,PowerChainがエキスパートレベルを生成可能であることを示す。
• 参考スコア（独自算出の注目度）: 1.9682121767943495
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Due to the rapid pace of electrification and decarbonization, distribution grid (DG) operation and planning are becoming more complex, necessitating advanced computational analyses to ensure grid reliability and resilience. State-of-the-art DG analyses rely on disparate workflows of complex models, functions, and data pipelines, which require expert knowledge and are challenging to automate. Many small-scale utilities and cooperatives lack a large R&D workforce and therefore cannot use advanced analysis at scale. To address this gap, we develop a novel agentic AI system, PowerChain, to solve unseen DG analysis tasks via automated agentic orchestration and large language models (LLMs) function-calling. Given a natural language query, PowerChain dynamically generates and executes an ordered sequence of domain-aware functions guided by the semantics of an expert-built power systems function pool and a select reference set of known, expert-generated workflow-query pairs. Our results show that PowerChain can produce expert-level workflows with both GPT-5 and open-source Qwen models on complex, unseen DG analysis tasks operating on real utility data.
• Abstract（参考訳）: 電化と脱炭の急激なペースにより、配電網(DG)の運用と計画が複雑化しており、グリッドの信頼性とレジリエンスを確保するために高度な計算分析が必要である。 最先端のDG分析は、複雑なモデル、関数、データパイプラインの異なるワークフローに依存している。 多くの小規模ユーティリティーや協同組合は研究開発の労働力に欠けており、そのため大規模に高度な分析を利用できない。 このギャップに対処するために,エージェント型AIシステムPowerChainを開発し,自動エージェントオーケストレーションと大規模言語モデル(LLM)関数呼び出しによる未知のDG解析タスクを解決する。 自然言語クエリが与えられたら、PowerChainは、専門家が構築したパワーシステム関数プールと、専門家が生成したワークフロークエリの既知の参照セットのセマンティクスによってガイドされるドメイン認識関数の順序列を動的に生成し、実行します。 GPT-5およびオープンソースのQwenモデルを用いて,実効用データで動作する複雑なDG解析タスク上で,PowerChainが専門家レベルのワークフローを生成可能であることを示す。

関連論文リスト

• Leveraging Knowledge Graphs and LLM Reasoning to Identify Operational Bottlenecks for Warehouse Planning Assistance [1.2749527861829046]
  我々のフレームワークは知識グラフ(KG)とLarge Language Model(LLM)ベースのエージェントを統合している。 生のDESデータを意味的にリッチなKGに変換し、シミュレーションイベントとエンティティの関係をキャプチャする。 LLMベースのエージェントは反復推論を使用し、相互依存的なサブクエストを生成する。各サブクエストに対して、KGインタラクションのためのCypherクエリを生成し、情報を抽出し、エラーを修正する。
  論文  参考訳（メタデータ） (2025-07-23T07:18:55Z)
• Graphs Meet AI Agents: Taxonomy, Progress, and Future Opportunities [117.49715661395294]
  データ構造化は、複雑で非組織的なデータをよく構造化された形式に変換することで、有望な役割を果たす。 この調査では、グラフがAIエージェントにどのように権限を与えるかを、初めて体系的にレビューする。
  論文  参考訳（メタデータ） (2025-06-22T12:59:12Z)
• Intelligent Assistants for the Semiconductor Failure Analysis with LLM-Based Planning Agents [2.2626080389297654]
  失敗分析(FA)は、非常に複雑で知識集約的なプロセスである。 FAラボの計算インフラにおけるAIコンポーネントの統合は、さまざまなタスクを自動化する可能性がある。 本稿では,Large Language Model (LLM) を用いた計画エージェント (LPA) の設計と実装について検討する。
  論文  参考訳（メタデータ） (2025-06-18T15:43:10Z)
• TaskCraft: Automated Generation of Agentic Tasks [39.33785092294476]
  エージェントタスクは、自律性、ツールの使用、適応推論による多段階的な問題解決を必要とする。 textscCraftTaskは、難易度、マルチツール、検証可能なエージェントタスクを生成する自動化ワークフローである。 本稿では,エージェントチューニングと評価に関する今後の研究を支援するために,約36,000のタスクからなる大規模合成データセットを提案する。
  論文  参考訳（メタデータ） (2025-06-11T17:58:14Z)
• Data Analysis in the Era of Generative AI [56.44807642944589]
  本稿では,AIを活用したデータ分析ツールの可能性について考察する。 我々は、大規模言語とマルチモーダルモデルの出現が、データ分析ワークフローの様々な段階を強化する新しい機会を提供する方法について検討する。 次に、直感的なインタラクションを促進し、ユーザ信頼を構築し、AI支援分析ワークフローを複数のアプリにわたって合理化するための、人間中心の設計原則を調べます。
  論文  参考訳（メタデータ） (2024-09-27T06:31:03Z)
• ComfyBench: Benchmarking LLM-based Agents in ComfyUI for Autonomously Designing Collaborative AI Systems [80.69865295743149]
  この研究は、LLMベースのエージェントを使用して、協調AIシステムを自律的に設計する試みである。 ComfyBenchをベースとしたComfyAgentは,エージェントが自律的に協調的なAIシステムを生成して設計できるようにするフレームワークである。 ComfyAgentは、o1-previewに匹敵する解像度を達成し、ComfyBenchの他のエージェントをはるかに上回っているが、ComfyAgentはクリエイティブタスクの15%しか解決していない。
  論文  参考訳（メタデータ） (2024-09-02T17:44:10Z)
• Octopus: Embodied Vision-Language Programmer from Environmental Feedback [58.04529328728999]
  身体視覚言語モデル(VLM)は多モード認識と推論において大きな進歩を遂げた。 このギャップを埋めるために、我々は、計画と操作を接続する媒体として実行可能なコード生成を使用する、具体化された視覚言語プログラマであるOctopusを紹介した。 Octopusは、1)エージェントの視覚的およびテキスト的タスクの目的を正確に理解し、2)複雑なアクションシーケンスを定式化し、3)実行可能なコードを生成するように設計されている。
  論文  参考訳（メタデータ） (2023-10-12T17:59:58Z)
• Decentralized Graph-Based Multi-Agent Reinforcement Learning Using Reward Machines [5.34590273802424]
  報酬処理装置を用いて各エージェントのタスクを符号化し、報酬関数の内部構造を公開する。 本稿では,各エージェントに局所的なポリシーを付与する分散グラフに基づく強化学習アルゴリズムを提案する。 提案したDGRMアルゴリズムの有効性は,UAVパッケージデリバリーとCOVID-19パンデミック緩和の2つのケーススタディにより評価された。
  論文  参考訳（メタデータ） (2021-09-30T21:41:55Z)

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。