論文の概要: Grid-Orch: An LLM-Powered Orchestrator for Distribution Grid Simulation and Analytics
- arxiv url: http://arxiv.org/abs/2605.12728v1
- Date: Tue, 12 May 2026 20:31:34 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-14 23:30:27.676149
- Title: Grid-Orch: An LLM-Powered Orchestrator for Distribution Grid Simulation and Analytics
- Title（参考訳）: Grid-Orch: 分散グリッドシミュレーションと分析のためのLLMベースのオーケストレータ
- Authors: Boming Liu, Jin Dong, Jamie Lian,
- Abstract要約: Grid-Orchは、モデルコンテキストプロトコル(MCP)を通じて、大規模言語モデル(LLM)と電力系統シミュレーションをブリッジするフレームワークである。
Grid-Orchは、電力フロー、電圧分析、準静的時系列(QSTS)シミュレーション、自動最適化など、11のカテゴリにまたがる36のドメイン固有ツールを提供する。
- 参考スコア（独自算出の注目度）: 0.9801145263519269
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The power distribution engineering workforce faces a projected shortage of up to 1.5 million engineers by 2030, creating urgent demand for more accessible analysis tools. This paper introduces Grid-Orch, a framework that bridges Large Language Models (LLMs) and power system simulation through the Model Context Protocol (MCP), enabling engineers to perform complex distribution analyses via natural language. Using OpenDSS as the reference implementation, Grid-Orch provides 36 domain-specific tools across eleven categories, covering power flow, voltage analysis, quasi-static time series (QSTS) simulation, and automated optimization. A provider-agnostic LLM layer supports both cloud-hosted (Gemini, Claude) and locally deployed (Ollama, llama-cpp) models, enabling air-gapped operation for security-sensitive utility environments. Three optimization skills, capacitor placement, voltage violation analysis, and overvoltage mitigation, extend the platform beyond single-tool queries to multi-step engineering workflows. Grid-Orch is delivered as an interactive web platform with chat-based interaction, a QSTS dashboard, and feeder topology visualization, and renders simulation results inline. Workflow demonstrations show that distribution analyses formerly requiring hours of scripting, such as distributed energy resource (DER) interconnection screening, complete in under two minutes through natural language, producing numerically identical results to direct OpenDSS scripting.
- Abstract（参考訳）: 2030年までに最大150万人のエンジニアの不足に直面し、よりアクセスしやすい分析ツールに対する緊急の需要を生み出している。
本稿では,大規模言語モデル(LLM)と電力系統シミュレーションをMCP(Model Context Protocol)を通じてブリッジするフレームワークであるGrid-Orchを紹介する。
OpenDSSをリファレンス実装として使用することにより、Grid-Orchは、電力フロー、電圧分析、準静的時系列(QSTS)シミュレーション、自動最適化など、11のカテゴリにまたがる36のドメイン固有ツールを提供する。
プロバイダ非依存のLCMレイヤは、クラウドホスト(Gemini, Claude)とローカルデプロイ(Ollama, llama-cpp)モデルの両方をサポートし、セキュリティに敏感なユーティリティ環境のためのエアバッグ操作を可能にする。
キャパシタ配置、電圧違反解析、過電圧緩和という3つの最適化スキルは、シングルツールクエリからマルチステップエンジニアリングワークフローまで、プラットフォームを拡張している。
Grid-Orchは、チャットベースのインタラクション、QSTSダッシュボード、フィードトポロジの可視化、シミュレーション結果のインライン表示を備えた、インタラクティブなWebプラットフォームとして提供される。
ワークフローのデモでは、分散エネルギーリソース(DER)相互接続スクリーニングなど、以前必要だったスクリプティングの時間を要する分散分析が自然言語を通して2分以内で完了し、OpenDSSスクリプティングを直接実行するための数値的に同一の結果が得られた。
関連論文リスト
- ChemGraph-XANES: An Agentic Framework for XANES Simulation and Analysis [4.554542395453299]
ChemGraph-XANESはXANESの自動シミュレーションと分析のためのエージェントフレームワークである。
自然言語タスク仕様、構造取得、FDMNES入力生成、スペクトル正規化、データキュレーションを統一する。
論文 参考訳（メタデータ） (2026-04-17T16:15:19Z) - Chimera: Latency- and Performance-Aware Multi-agent Serving for Heterogeneous LLMs [62.17306142810532]
ヘテロジニアスLSMクラスタ上で動作するマルチエージェントワークフローの予測スケジューリングシステムであるChimeraを提案する。
Chimeは最高のレイテンシをトレースし、エンドツーエンドのレイテンシを1.2-2.4$times$で削減し、タスクパフォーマンスを平均8.0-9.5ポイント改善する。
論文 参考訳（メタデータ） (2026-03-23T17:01:42Z) - Large Language Model Agent for User-friendly Chemical Process Simulations [0.0]
大規模言語モデル (LLM) エージェントは AVEVA Process Model Protocol (MCP) と統合され、自然言語のシミュレーションを可能にする。
2つのケーススタディは、異なるタスクの複雑さと相互作用モードにわたるフレームワークを評価する。
このフレームワークは、技術的な概念の翻訳と実証によって教育目的と、データ抽出の自動化、ルーチンタスクの高速化、サポートによって経験豊富な実践者の両方に役立ちます。
オーバーシンプル化、計算エラー、技術的ヒックアップといった現在の制限は専門家の監視を必要とするが、このフレームワークはLSMベースのエージェントが貴重な協力者になれることを示唆している。
論文 参考訳（メタデータ） (2026-01-15T12:18:45Z) - Training Report of TeleChat3-MoE [77.94641922160359]
この技術的レポートは、主に、フロンティアモデルサイズへの信頼性と効率的なスケーリングを可能にする、基礎となるトレーニングインフラストラクチャを提示する。
本稿では,ハードウェアプラットフォーム間の整合性を確保するため,演算子レベルとエンドツーエンドの数値検証精度の体系的手法を詳述する。
解析的推定と整数線形プログラミングを利用した並列化フレームワークも提案され,多次元並列化の構成を最適化する。
論文 参考訳（メタデータ） (2025-12-30T11:42:14Z) - An Agentic Framework for Autonomous Materials Computation [70.24472585135929]
大規模言語モデル(LLM)は、科学的発見を加速するための強力なツールとして登場した。
近年の進歩はLLMをエージェントフレームワークに統合し、複雑な科学実験のための検索、推論、ツールの使用を可能にしている。
本稿では,第一原理計算の信頼性向上を目的としたドメイン特化エージェントを提案する。
論文 参考訳（メタデータ） (2025-12-22T15:03:57Z) - Agentic AI Home Energy Management System: A Large Language Model Framework for Residential Load Scheduling [0.0]
本稿では,LLMが自然言語要求からデバイス制御へのマルチアプライアンススケジューリングを自律的に協調するエージェントAI HEMSを提案する。
1つのオーケストレータと3つのスペシャリストエージェントを組み合わせた階層的アーキテクチャは、反復的推論にReActパターンを使用する。
オーケストレーションロジックやエージェントプロンプト,ツール,Webインターフェースなどを含む,完全なシステムをオープンソースとして公開しています。
論文 参考訳（メタデータ） (2025-10-30T15:33:52Z) - AI for Distributed Systems Design: Scalable Cloud Optimization Through Repeated LLMs Sampling And Simulators [3.1594665317979698]
大規模言語モデルからのコード生成と決定論的検証をドメイン固有シミュレータで組み合わせ,AI駆動型分散システムポリシー設計について検討する。
複数のモデル間のスループット改善に関する予備的な結果を報告する。
我々は、AIが新しいシミュレータのブートストラップを支援することで、この方法論のスケールアップに不可欠であると推測する。
論文 参考訳（メタデータ） (2025-10-20T16:10:24Z) - Scalable Engine and the Performance of Different LLM Models in a SLURM based HPC architecture [3.746889836344766]
本研究は、SLURM(Simple Linux Utility for Resource Management)に基づく高性能コンピューティングアーキテクチャについて詳述する。
動的リソーススケジューリングとコンテナ化のシームレスな統合は、CPU、GPU、メモリをマルチノードクラスタで効率的に管理するために活用されている。
その結果,大規模HPCインフラストラクチャ上でのLLM推論は,より効率的で応答性が高く,耐故障性に優れた。
論文 参考訳（メタデータ） (2025-08-25T09:11:27Z) - SHIELD: LLM-Driven Schema Induction for Predictive Analytics in EV Battery Supply Chain Disruptions [52.90276059116822]
ShiELDは、大型言語モデル(LLM)とEVバッテリサプライチェーンリスクアセスメントのためのドメインの専門知識を組み合わせたものだ。
365の資料(2022-2023)から12,070段落を評価したところ、ShiELDは破壊予測においてベースラインGCNとLLM+prompt法より優れていた。
論文 参考訳（メタデータ） (2024-08-09T22:08:12Z) - SOLIS -- The MLOps journey from data acquisition to actionable insights [62.997667081978825]
本稿では,基本的なクロスプラットフォームテンソルフレームワークとスクリプト言語エンジンを使用しながら,すべての要件をサポートする統合デプロイメントパイプラインとフリー・ツー・オペレートアプローチを提案する。
しかし、このアプローチは、実際のプロダクショングレードシステムに機械学習機能を実際にデプロイするために必要な手順やパイプラインを提供していない。
論文 参考訳（メタデータ） (2021-12-22T14:45:37Z) - FENXI: Deep-learning Traffic Analytics at the Edge [69.34903175081284]
本稿では,TPUを利用して複雑な解析を行うシステムであるFENXIを提案する。
FENXIは、さまざまな粒度で動作するオペレーションとトラフィック分析を分離する。
分析の結果,FENXIは限られた資源しか必要とせず,転送ラインレートのトラヒック処理を継続できることがわかった。
論文 参考訳（メタデータ） (2021-05-25T08:02:44Z)
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。