論文の概要: A Quantum-Assisted Agentic Distributed Artificial Intelligence Framework for Deadline-Bounded Orchestration of Hybrid Renewable Microgrids
- arxiv url: http://arxiv.org/abs/2606.20667v1
- Date: Fri, 12 Jun 2026 03:41:23 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 20:30:54.965157
- Title: A Quantum-Assisted Agentic Distributed Artificial Intelligence Framework for Deadline-Bounded Orchestration of Hybrid Renewable Microgrids
- Title（参考訳）: ハイブリッド再生マイクログリッドのデッドライン境界オーケストレーションのための量子支援エージェント分散人工知能フレームワーク
- Abstract要約: 本稿では,量子支援型エージェント分散人工知能(DAI)フレームワークを提案する。
記憶剤が割引された将来のピーク値でそのエネルギーを価格設定する信念型記憶機構を導入する。
ストレージ評価機構を無効にすると、日価は152.75EURに上昇し、4.5パーセント増加した。
- 参考スコア（独自算出の注目度）: 0.5991607129215549
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The real-time orchestration of microgrids that combine fluctuating renewable sources, dispatchable units, storage and curtailable consumers requires the repeated solution of combinatorial dispatch and coalition formation problems under hard control deadlines. In this paper, a quantum-assisted agentic distributed artificial intelligence (DAI) framework is proposed in which the dispatch problem of each control slot is formulated as a quadratic unconstrained binary optimization (QUBO) problem by Belief-Desire-Intention extended (BDIx) agents and is solved by a portfolio of quantum, quantum-inspired and classical solvers. Solver selection is elevated to a first-class agentic deliberation action of the coordinator agent. Learned beliefs about solver latencies are maintained and the solver intention that is expected to satisfy the prevailing deliberation deadline is committed in each slot. In addition, a belief-shaped storage valuation mechanism is introduced through which the storage agent prices its energy at a discounted future-peak value, injecting intertemporal information into the otherwise myopic per-slot optimization. The framework is evaluated on a 24-hour simulation of a grid-connected microgrid with photovoltaic, wind, battery, genset and demand-response assets, with the Quantum Approximate Optimization Algorithm (QAOA) executed by statevector simulation and benchmarked per slot against tabu search, simulated annealing, binary particle swarm optimization, greedy descent and exhaustive enumeration. Zero deliberation deadlines are missed, the committed dispatch attains the exact optimum on every slot and the realized daily cost of 146.24 EUR equals the exact lower bound, with 97.83 percent renewable utilization and zero unserved energy. When the storage valuation mechanism is deactivated, the daily cost is increased to 152.75 EUR, a 4.5 percent increase.
- Abstract（参考訳）: 変動する再生可能エネルギー、ディスパッチ可能なユニット、ストレージ、小売業者を組み合わすマイクログリッドのリアルタイムオーケストレーションには、ハードコントロール期限下での組合せディスパッチと連立形成の問題を繰り返し解決する必要がある。
本稿では,各制御スロットのディスパッチ問題を,Belief-Desire-Intention extended (BDIx) エージェントによる2次非拘束二元最適化(QUBO)問題として定式化し,量子,量子に着想を得た古典解のポートフォリオによって解く,量子支援型エージェント分散人工知能(DAI)フレームワークを提案する。
ソルバー選択は、コーディネータ剤の第1級剤精査作用に高められる。
解決者の待ち時間に関する学習された信念は維持され、各スロットにおいて、一般的な審議期限を満たすことが期待される解決者の意図がコミットされる。
また、記憶剤が時間間情報をスロットごとの最適化に注入し、ディスカウントされた将来のピーク値でそのエネルギーを価格設定する信念型記憶評価機構を導入する。
本フレームワークは, 電力, 風, 電池, ジェネセット, 需要応答資産を備えたグリッド接続マイクログリッドの24時間シミュレーションで評価され, 状態ベクトルシミュレーションにより量子近似最適化アルゴリズム(QAOA)が実行され, タブサーチ, シミュレーションアニーリング, バイナリ粒子群最適化, グリード降下, 排他的列挙に対して1スロット当たりのベンチマークを行った。
期限が切れると、コミットされたディスパッチは各スロットの正確な最適値に達し、実現された日価146.24EURは、97.83パーセントの再生可能エネルギーとゼロの未保存エネルギーの正確な下限に等しい。
ストレージ評価機構を無効にすると、日価は152.75EURに上昇し、4.5パーセント増加した。
関連論文リスト
- A QUBO-Based Optimization Framework for ATM Cash Replenishment Scheduling [0.0]
この研究は、ATMキャッシュの補充問題をQuadratic Unconstrained Binary Optimization (QUBO)モデルで定式化する。
目的関数は、固定および可変補充コストとコロケーション割引を組み合わせ、サービス中断を引き起こす可能性のある遅延補充の罰である。
その結果、優れた平均サービスレベルを維持しながら、一貫したコストの約15%-18%削減が示された。
論文 参考訳（メタデータ） (2026-07-10T10:03:07Z) - Learning Optimization Proxies for Sequential Contextual Stochastic Programs: An Order Fulfillment Application [12.486418828615077]
逐次的文脈プログラムは、各時間が不確実な動作にコミットするリアルタイム決定システムをモデル化する。
オフザシェルフ最適化は高い意思決定品質をオフラインで達成するが、通常インスタンス毎に秒から数分で実行される。
本稿では,学習に基づく最適化プロキシを開発する。解決器生成ラベルをオフラインでトレーニングしたシナリオ埋め込みニューラルネットワークと,実現可能性を実現するデコーダとをオンラインでペアリングする。
論文 参考訳（メタデータ） (2026-06-24T03:45:52Z) - Autonomous Adaptive Solver Selection for Chemistry Integration via Reinforcement Learning [0.0]
本稿では,化学統合中に暗黙的BDF積分器(CVODE)と準定常解器(QSS)を自律的に選択する制約付き強化学習(RL)フレームワークを提案する。
0D同質の原子炉条件全体では、RL適応政策は平均速度が約3倍、速度が1.11倍から10.58倍になる。
再訓練なしでは、0D訓練された政策は1D逆流拡散炎に10ドル-2000mathrms-1$で移行し、一貫した$approx 2.2を提供する。
論文 参考訳（メタデータ） (2026-03-31T21:44:58Z) - Q-GARS: Quantum-inspired Robust Microservice Chaining Scheduling [0.42970700836450487]
本稿では,QUBOモデルとSQA(Simulated Quantum Annealing)に基づく検索とオンラインスケジューリング機構を統合するハイブリッドフレームワークQ-GARSを提案する。
シミュレーションの結果,Q-GARSは最短処理時間のグリーディベースラインに対して平均2.1%の重み付き完了時間改善を実現していることがわかった。
さらに、Q-GARSは、ロバストベースラインよりも1.1ポイント高い0.817の平均ノードリソース利用率を達成する。
論文 参考訳（メタデータ） (2026-03-24T12:24:51Z) - ODAR: Principled Adaptive Routing for LLM Reasoning via Active Inference [60.958331943869126]
ODAR-Expertは、原則化されたリソース割り当てによる精度と効率のトレードオフを最適化する適応的なルーティングフレームワークである。
我々は、MATHの98.2%の精度、HumanityのLast Examの54.8%を含む、強く一貫した利得を示している。
論文 参考訳（メタデータ） (2026-02-27T05:22:01Z) - Decentralized Online Convex Optimization with Unknown Feedback Delays [12.543159785477952]
本稿では,D-OCOを時間的・エージェント的に異なるフィードバック遅延下で研究する。
既存のアルゴリズムでは、エージェントの合計遅延に関する事前知識を前提としており、遅延パラメータとネットワークパラメータの両方に最適な依存を被っている。
改良されたO N $sqrt$ d tot + N $sqrt$ T (1-$2) 1/4 の後悔境界を実現する新しいアルゴリズムを提案する。
論文 参考訳（メタデータ） (2026-01-12T12:59:01Z) - Towards Efficient Agents: A Co-Design of Inference Architecture and System [66.59916327634639]
本稿では,エージェントアクセラレーションのための統合フレームワークであるAgentInferを提案する。
問題をAgentCollab、AgentSched、AgentSAM、AgentCompressの4つの相乗的コンポーネントに分解する。
BrowseComp-zhとDeepDiverベンチマークの実験では、これらの手法の相乗的コラボレーションを通じて、AgentInferは非効率なトークン消費を50%以上削減することを示した。
論文 参考訳（メタデータ） (2025-12-20T12:06:13Z) - Anytime Incremental $ρ$POMDP Planning in Continuous Spaces [5.767643556541711]
我々は、時間とともに改善の正式な保証とともに、信念表現を動的に洗練する時限解法を提案する。
一般的なエントロピー推定器の有効性を示し、計算コストを桁違いに削減する。
実験の結果,$rho$POMCPOW は効率と解品質の両方において最先端の解法よりも優れていた。
論文 参考訳（メタデータ） (2025-02-04T18:19:40Z) - Entanglement Distribution Delay Optimization in Quantum Networks with Distillation [51.53291671169632]
量子ネットワーク(QN)は、分散量子コンピューティングとセンシングアプリケーションを実現するために絡み合った状態を分散する。
QSリソース割り当てフレームワークは、エンド・ツー・エンド(e2e)の忠実度を高め、最小レートと忠実度を満たすために提案される。
論文 参考訳（メタデータ） (2024-05-15T02:04:22Z) - Inducing Equilibria via Incentives: Simultaneous Design-and-Play Finds
Global Optima [114.31577038081026]
本稿では,デザイナーとエージェントの問題を同時に1ループで解くための効率的な手法を提案する。
設計者は平衡問題を何度も解決しないが、エージェントに対するインセンティブの全体的な影響を予測できる。
このアルゴリズムは,幅広い種類のゲームに対して,サブ線形速度で大域的最適値に収束することを示す。
論文 参考訳（メタデータ） (2021-10-04T06:53:59Z) - Momentum Accelerates the Convergence of Stochastic AUPRC Maximization [80.8226518642952]
高精度リコール曲線(AUPRC)に基づく領域の最適化について検討し,不均衡なタスクに広く利用されている。
我々は、$O (1/epsilon4)$のより優れた反復による、$epsilon$定常解を見つけるための新しい運動量法を開発する。
また,O(1/epsilon4)$と同じ複雑さを持つ適応手法の新たなファミリを設計し,実際により高速な収束を享受する。
論文 参考訳（メタデータ） (2021-07-02T16:21:52Z) - VCG Mechanism Design with Unknown Agent Values under Stochastic Bandit
Feedback [104.06766271716774]
本研究では,エージェントが自己の価値を知らない場合に,マルチラウンドの福祉最大化機構設計問題について検討する。
まず、福祉に対する後悔の3つの概念、各エージェントの個々のユーティリティ、メカニズムの3つの概念を定義します。
当社のフレームワークは価格体系を柔軟に制御し、エージェントと販売者の後悔のトレードオフを可能にする。
論文 参考訳（メタデータ） (2020-04-19T18:00:58Z)
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。