論文の概要: modelSolver: A Symbolic Model-Driven Solver for Power Network Simulation and Monitoring

• arxiv url: http://arxiv.org/abs/2508.17882v1
• Date: Mon, 25 Aug 2025 10:43:49 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-26 18:43:45.734977
• Title: modelSolver: A Symbolic Model-Driven Solver for Power Network Simulation and Monitoring
• Title（参考訳）: ModelSolver: 電力ネットワークシミュレーションとモニタリングのためのシンボリックモデル駆動ソリューション
• Authors: Izudin Dzafic, Rabih A. Jabr,
• Abstract要約: 本稿では,記号的数学的モデリングを中心にした新しいフレームワークを備えたソフトウェア・ソリューションであるモデラーを紹介する。 提案したパラダイムは、直感的な数学的表現を通じてモデルを定義し、従来のプログラミング構造の必要性を排除している。 モデラーは、ユーザーがカスタムモデルを指定することができるオープンボックスアプローチを使用して、電力フローと状態推定に重点を置いている。
• 参考スコア（独自算出の注目度）: 0.8594140167290097
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The development of advanced software tools for power system analysis requires extensive programming expertise. Even when using open-source tools, programming skills are essential to modify built-in models. This can be particularly challenging for domain experts who lack coding proficiency. This paper introduces modelSolver, a software solution with a new framework centered around symbolic mathematical modeling. The proposed paradigm facilitates defining models through intuitive mathematical expressions, thus eliminating the need for traditional programming constructs such as arrays, loops, and sparse matrix computations. The modelSolver focuses on power flow and state estimation using an open-box approach, which allows users to specify custom models using either real or complex variables. Unlike existing tools that rely on hard-coded models, modelSolver enables the representation of a wide range of advanced functionalities, including power flow with voltage regulators and load tap changers, continuation power flow, and Gauss-Newton state estimation with equality constraints. Compatibility with MATPOWER is ensured via a converter that automates importing data files. The framework prioritizes model-driven development and empowers domain experts to focus on power system modeling without programming barriers. It aims to simplify power system computations, making them more accessible to students, scientists, and practitioners.
• Abstract（参考訳）: パワーシステム分析のための高度なソフトウェアツールの開発には、広範なプログラミングの専門知識が必要である。 オープンソースツールを使用する場合でも、組み込みモデルを変更するにはプログラミングスキルが不可欠だ。 これは、コーディングの熟練度に欠けるドメインの専門家にとって特に困難である。 本稿では,記号型数学的モデリングを中心とした新しいフレームワークであるModelSolverを紹介する。 このパラダイムは、直感的な数学的表現によるモデル定義を容易にするため、配列やループ、スパース行列計算といった従来のプログラミング構造は不要である。 ModelSolverは、オープンボックスアプローチによる電力フローと状態推定に重点を置いている。 ハードコードされたモデルに依存する既存のツールとは異なり、ModelSolverは電圧レギュレータとロードタップチェンジャーによる電力フロー、継続電力フロー、等式制約付きガウスニュートン状態推定など、幅広い高度な機能を表現することができる。 MATPOWERとの互換性は、データファイルのインポートを自動化するコンバータを通じて保証される。 このフレームワークは、モデル駆動開発を優先し、ドメインの専門家にプログラミング障壁のないパワーシステムモデリングに集中させる。 それは、パワーシステム計算を単純化し、学生や科学者、実践者にとってよりアクセスしやすいものにすることを目的としている。

関連論文リスト

• ModelingAgent: Bridging LLMs and Mathematical Modeling for Real-World Challenges [72.19809898215857]
  ModelingBenchは、様々な領域にわたる数学モデリングの競争から、現実に着想を得たオープンエンドの問題を特徴付ける新しいベンチマークである。 これらのタスクには、自然言語を形式的な数学的定式化に翻訳し、適切なツールを適用し、構造化された防御可能なレポートを生成する必要がある。 ツール使用をコーディネートするマルチエージェントフレームワークである ModelingAgent も紹介します。
  論文  参考訳（メタデータ） (2025-05-21T03:33:23Z)
• Syntactic and Semantic Control of Large Language Models via Sequential Monte Carlo [90.78001821963008]
  広い範囲のLMアプリケーションは、構文的制約や意味論的制約に適合するテキストを生成する必要がある。 我々は、連続モンテカルロ(SMC)に基づく制御LM生成のためのアーキテクチャを開発する。 我々のシステムはLew et al. (2023) のフレームワーク上に構築されており、言語モデル確率型プログラミング言語と統合されている。
  論文  参考訳（メタデータ） (2025-04-17T17:49:40Z)
• SENAI: Towards Software Engineering Native Generative Artificial Intelligence [3.915435754274075]
  本稿では,ソフトウェア工学の知識を大規模言語モデルに統合することについて議論する。 本研究の目的は,LLMが単なる機能的精度を超えて生成タスクを実行できる新しい方向を提案することである。 ソフトウェアエンジニアリング ネイティブな生成モデルは、現在のモデルに存在する欠点を克服するだけでなく、現実世界のソフトウェアエンジニアリングを扱うことができる次世代の生成モデルへの道を開くでしょう。
  論文  参考訳（メタデータ） (2025-03-19T15:02:07Z)
• Toward Neurosymbolic Program Comprehension [46.874490406174644]
  我々は,既存のDL技術の強みと従来の象徴的手法を組み合わせたニューロシンボリック研究の方向性を提唱する。 第1回ニューロシンボリック・プログラム・フレームワークの確立をめざして,提案するアプローチの予備的結果を示す。
  論文  参考訳（メタデータ） (2025-02-03T20:38:58Z)
• GenAI4UQ: A Software for Inverse Uncertainty Quantification Using Conditional Generative Models [12.162599515682786]
  GenAI4UQは、モデルのキャリブレーション、パラメータ推定、アンサンブル予測における逆不確実性定量化のためのソフトウェアパッケージである。 GenAI4UQは、計算集約的な反復過程を直接学習されたマッピングに置き換えることで、モデル入力パラメータの効率的な校正を可能にする。
  論文  参考訳（メタデータ） (2024-12-09T22:26:23Z)
• 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)
• Facilitating automated conversion of scientific knowledge into scientific simulation models with the Machine Assisted Generation, Calibration, and Comparison (MAGCC) Framework [0.0]
  Machine Assisted Generation, Comparison, and Computational (MAGCC)フレームワークは、繰り返し発生する重要なステップとプロセスのマシンアシストと自動化を提供する。 MAGCCは、自然言語処理または既存の数学的モデルから抽出された知識抽出のためのシステムを橋渡しする。 MAGCCフレームワークは任意の科学領域をカスタマイズでき、今後は新たに開発されたコード生成AIシステムを統合する予定だ。
  論文  参考訳（メタデータ） (2022-04-21T19:30:50Z)
• Learning Discrete Energy-based Models via Auxiliary-variable Local Exploration [130.89746032163106]
  離散構造データに対する条件付きおよび非条件付きEMMを学習するための新しいアルゴリズムであるALOEを提案する。 エネルギー関数とサンプリング器は、新しい変分型電力繰り返しにより効率よく訓練できることを示す。 本稿では、ソフトウェアテストのためのエネルギーモデルガイド付ファジィザについて、libfuzzerのようなよく設計されたファジィエンジンに匹敵する性能を実現する。
  論文  参考訳（メタデータ） (2020-11-10T19:31:29Z)

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。