論文の概要: A Physics-Informed Framework for PID Tuning of Chemical Processes Using Large Language Model Agents

• arxiv url: http://arxiv.org/abs/2607.26594v1
• Date: Wed, 29 Jul 2026 08:14:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-30 21:06:25.579366
• Title: A Physics-Informed Framework for PID Tuning of Chemical Processes Using Large Language Model Agents
• Title（参考訳）: 大規模言語モデルエージェントを用いた化学プロセスのPIDチューニングのための物理インフォームドフレームワーク
• Abstract要約: この作業は、大小言語モデル(LLMs/SLMs)に適用可能な言語モデル支援PIDチューニングフレームワークを形式化する。 ローカルデプロイメントでは、Qwen3-0.6B はシミュレーション検証された IMC ターゲットを持つ教師付き微調整 (SFT) と、非補償安定性と性能の報奨を伴う物理インフォームドグループ相対ポリシー最適化 (PI-GRPO) によって適応される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: PID tuning for chemical processes commonly relies on identified process models, whereas plant engineers often retune loops iteratively by observing responses, diagnosing deficiencies, adjusting gains, and validating the result. This work formalizes this engineer-like workflow in a language-model-assisted PID tuning framework applicable to both large and small language models (LLMs/SLMs). Hosted LLMs receive closed-loop response features, control-engineering diagnoses, tuning preferences, and internal model control (IMC)-based demonstrations to generate and iteratively correct PID gains under common acceptance criteria. For local deployment, Qwen3-0.6B is adapted through supervised fine-tuning (SFT) with simulation-verified IMC targets and physics-informed group relative policy optimization (PI-GRPO) with non-compensable stability and performance rewards. On 100 first-order plus dead time (FOPDT) and 100 second-order plus dead time (SOPDT) test cases, hosted LLMs (DeepSeek-V4-Flash and Qwen3.7-Plus) achieve final success rates of 75-89% and 77-79%, respectively. As for Qwen3-0.6B, supervised fine-tuning raises first-recommendation success to 86.5%, and PI-GRPO further increases it to 94.0%, primarily improving first-attempt reliability and stability margins.
• Abstract（参考訳）: 化学プロセスのPIDチューニングは、特定プロセスモデルに依存しているのに対して、プラントエンジニアは、反応を観察し、欠陥を診断し、利得を調整し、結果を検証することによって繰り返しループを繰り返すことが多い。 この作業は、大小の言語モデル(LLMs/SLMs)に適用可能な言語モデル支援PIDチューニングフレームワークで、このエンジニアのようなワークフローを形式化する。 ホストLLMは、共通受け入れ基準の下でPIDゲインを生成し、反復的に補正するための、クローズドループ応答機能、制御エンジニアリングの診断、チューニングの好み、内部モデル制御(IMC)ベースのデモを受け取る。 ローカルデプロイメントでは、Qwen3-0.6B はシミュレーション検証された IMC ターゲットを持つ教師付き微調整 (SFT) と、非補償安定性と性能の報奨を持つ物理インフォームドグループ相対ポリシー最適化 (PI-GRPO) によって適応される。 100の1次+デッドタイム(FOPDT)と100の2次+デッドタイム(SOPDT)のテストケースでは、LLM(DeepSeek-V4-FlashとQwen3.7-Plus)がそれぞれ75-89%と77-79%の最終的な成功率を達成した。 Qwen3-0.6Bでは、監督された微調整が初回勧告の成功率を86.5%に引き上げ、PI-GRPOはさらに94.0%に増加し、第一段階の信頼性と安定性のマージンが向上した。

関連論文リスト

• IPM-FM: A Foundation Model with Consensus Feature Selection for Industrial Process Monitoring [59.59850511287819]
  産業プロセス監視基盤モデル(IPM-FM)を提案する。 まず、自己教師付き事前学習を通じて、ラベルのない産業プロセスデータから汎用的な表現を学習する。 少数のタスクラベル付きデータを使用して特定の監視タスクに適応し、最終的に校正された予測を生成する。
  論文  参考訳（メタデータ） (2026-09-08T07:43:04Z)
• Knowledge-Distilled End-to-End Reinforcement Learning for Smooth 6-DOF Thrust Control and Rapid Adaptation to Ocean Currents in Remotely Operated Vehicles [16.40999985739862]
  本稿では, 2段階蒸留学習フレームワークを用いて, ほぼ最適戦略を学習するスラストラピッド・ラピッド・アダプティブ・アダプティブ・ポリシー・最適化(TSRCA-PPO)手法を提案する。 シミュレーションの結果,提案手法は従来型のP-PIDコントローラよりも一貫して優れていた。
  論文  参考訳（メタデータ） (2026-08-09T09:23:15Z)
• Optimizing Large Language Models for Causality Assessment in Pharmacovigilance: Developing a Performance Metric as Objective for Bayesian Hyperparameter Optimization [0.48861336570452174]
  我々はGP互換の最適化目標を開発し、温度最適化が因果分類合意を改善するかどうかを検討する。 症例特異的な温度選択は有意義な改善をもたらし、LLM補助薬局の温度最適化を支援した。
  論文  参考訳（メタデータ） (2026-07-04T04:49:14Z)
• Be Your Own Teacher: Steering Protein Language Models via Unsupervised Reward Optimization [85.4863852505905]
  タンパク質言語モデル(PLM)の教師なし報酬最適化を導入する。 我々の重要な洞察は、本質的なモデルの不確実性とタンパク質表現モデルによって誘導される意味的整合性を組み合わせたタスク非依存報酬は、ベースモデルと温度レギュレーションの制御可能性指標と強い相関を示すことである。 我々のフレームワークは、ラベル付けされた好みや実験的なフィードバックが不足したり、利用できないような環境で、制御可能な生体分子設計へのスケーラブルな経路を提供する。
  論文  参考訳（メタデータ） (2026-06-17T11:42:01Z)
• AGPO: Adaptive Group Policy Optimization with Dual Statistical Feedback [23.471458230700776]
  本稿では,GRPOの批判のない改良であるAdaptive Group Policy Optimization (AGPO)を提案する。 AGPOは、(i)アダプティブクリッピング(adaptive clipping)、(i)アダプティブクリッピング(adaptive clipping)、(i)アダプティブ領域のサイズを報酬分散と歪、プローブ投票エントロピー、ポリシーエントロピー、ステップワイズKLドリフトから設定する。 9つの英語と中国語の数学/STEMベンチマークで、Qwen2.5-14BはAGPOで訓練され、PPO/GRPOを同じ予算で上回った。
  論文  参考訳（メタデータ） (2026-05-20T05:20:46Z)
• QFoldAgent: An Autonomous Quantum Optimization Multi-Agent System for Protein Structure Prediction [20.764428990752283]
  QFoldAgentは5-residue四面体-格子折り畳みのための閉ループマルチエージェントフレームワークである。 55個のQDockBank由来のフラグメントと100個のカバー最適化された未確認シーケンスの2つの補完的データセットについて検討した。
  論文  参考訳（メタデータ） (2026-05-11T20:40:54Z)
• Physics-Informed Causal MDPs for Sequential Constraint Repair in Engineering Simulation Pipelines [0.0]
  本稿では,制約依存が層状DAGを形成するCMDPのためのフレームワークであるPI-CMDPを紹介する。 工学シミュレーションパイプラインにおける制約修復におけるPI-CMDPのインスタンス化を行う。
  論文  参考訳（メタデータ） (2026-04-20T07:40:15Z)
• P^2O: Joint Policy and Prompt Optimization [74.45293488495592]
  RLVR(Reinforcement Learning with Verifiable Rewards)は、大規模言語モデル(LLM)の推論能力を高めるための強力なパラダイムとして登場した。 プロンプト最適化とポリシー最適化を相乗化する新しいフレームワークであるP2Oを提案する。
  論文  参考訳（メタデータ） (2026-03-23T12:08:47Z)
• POET: Power-Oriented Evolutionary Tuning for LLM-Based RTL PPA Optimization [15.350025051608064]
  両課題に対処するフレームワークであるPOET(Power-Oriented Evolutionary Tuning)を提案する。 機能的正確性のために、POETは差分テストベースのテストベンチ生成パイプラインを導入し、オリジナルの設計を機能的設計として扱う。 PPA最適化のために、POETは、非支配的なソート、パワーファーストのイントラレベルランキング、および比例的サバイバルセレクションを備えたLLM駆動の進化メカニズムを採用している。
  論文  参考訳（メタデータ） (2026-03-19T03:19:32Z)
• Unbiased Dynamic Pruning for Efficient Group-Based Policy Optimization [60.87651283510059]
  Group Relative Policy Optimization (GRPO) はLLM推論を効果的にスケールするが、計算コストは禁じている。 本研究では,非バイアス勾配推定を保ちながら動的プルーニングを可能にする動的プルーニングポリシー最適化(DPPO)を提案する。 刈り込みによって引き起こされるデータの空間性を軽減するため,ウィンドウベースの欲求戦略であるDense Prompt Packingを導入する。
  論文  参考訳（メタデータ） (2026-03-04T14:48:53Z)
• iGRPO: Self-Feedback-Driven LLM Reasoning [88.83313431248473]
  大規模言語モデル(LLM)は複雑な数学的問題を解く上で有望であるが、正確で一貫したソリューションを生み出すには至っていない。 IGRPO(Iterative Group Relative Policy Optimization)は、モデル生成ドラフトを通じて動的自己条件を追加するGRPOの2段階拡張である。 一致するロールアウト予算の下では、iGRPOはGRPOをベースモデルで一貫して上回っている。
  論文  参考訳（メタデータ） (2026-02-09T18:45:11Z)
• Agentic Entropy-Balanced Policy Optimization [114.90524574220764]
  エージェント強化学習(Agentic RL)は,Webエージェントの多ターン,長期ツール利用能力の活性化に大きく貢献している。 RLアルゴリズムはエントロピーの誘導の下で、高不確実性ツールコールステップを自律的に探索するが、エントロピー信号への過度な依存は、さらなる制約を課す可能性がある。 本稿では,エージェント・エントロピー・バランサード・ポリシー最適化(AEPO, Agentic Entropy-Balanced Policy Optimization)を提案する。
  論文  参考訳（メタデータ） (2025-10-16T10:40:52Z)
• Autonomous Control Leveraging LLMs: An Agentic Framework for Next-Generation Industrial Automation [0.0]
  本稿では,大規模言語モデル(LLM)を個別のフォールトリカバリ計画と継続的プロセス制御の両方に活用する統合エージェントフレームワークを提案する。 その結果、構造化されたフィードバックとモジュラーエージェントにより、LLMは高レベルな記号計画と低レベルな連続制御を統一できることを示した。
  論文  参考訳（メタデータ） (2025-07-03T11:20:22Z)
• Critique-GRPO: Advancing LLM Reasoning with Natural Language and Numerical Feedback [59.078756231841574]
  Critique-GRPOは、自然言語と数値フィードバックを統合して効果的なポリシー最適化を行うオンラインRLフレームワークである。 批判-GRPOは、教師付き学習とRLに基づく微調整法を8つの難解な数学、STEM、一般的な推論タスクで一貫して上回っていることを示す。
  論文  参考訳（メタデータ） (2025-06-03T17:39:02Z)
• Self-Play Preference Optimization for Language Model Alignment [75.83359213697854]
  近年の進歩は、嗜好の確率で直接作業することで、人間の嗜好をより正確に反映できることを示している。 本稿では,言語モデルアライメントのためのセルフプレイ方式を提案する。 我々の手法はSPPO(Self-Play Preference Optimization)と呼ばれ、繰り返しポリシー更新を利用してナッシュ均衡を確実に近似する。
  論文  参考訳（メタデータ） (2024-05-01T17:59:20Z)

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。