論文の概要: Solar Intelligence
- arxiv url: http://arxiv.org/abs/2609.13648v1
- Date: Sat, 12 Sep 2026 02:10:45 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-16 07:15:05.448992
- Title: Solar Intelligence
- Title（参考訳）: ソーラーインテリジェンス
- Abstract要約: ソーラーインテリジェンス(Solar Intelligence)は、構造化された太陽分析、科学的質問応答、機械学習予測を統合するハイブリッド検索強化フレームワークである。
このプラットフォームは毎日のNASA POWERの太陽と気象のデータ、バイオスフィア2の地上センサーの読み取り、研究論文と機関報告の収集されたコーパスを統合している。
- 参考スコア（独自算出の注目度）: 0.7106986689736826
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Solar energy decision support is fragmented across dashboards that provide data without explanation, research papers are slow to parse, and general-purpose language models are not solar domain specific and answer without evidence. This paper introduces Solar Intelligence, a hybrid retrieval-augmented framework that unifies structured solar analytics, evidence-grounded scientific question answering, and machine learning forecasting in one system. The platform integrates daily NASA POWER solar and meteorological data, Biosphere 2 ground-sensor readings, and a curated corpus of research papers and institutional reports. Structured queries use DuckDB SQL; scientific questions are answered by a hybrid retriever that fuses BM25 and ChromaDB dense embeddings via Reciprocal Rank Fusion, with responses grounded through a language model (llama3.2:3b). An Extreme Gradient Boosting (XGBoost) model produces daily forecasts of irradiance, temperature, and wind speed. The system is exposed via FastAPI, Streamlit, and an MCP server, so it can be used as an application, an API service, or an agent tool - by students, researchers, and energy analysts.
- Abstract（参考訳）: 太陽エネルギー決定のサポートは説明なしにデータを提供するダッシュボードで断片化され、研究論文は解析が遅い。
本稿では、構造化された太陽分析、エビデンスに基づく科学的質問応答、機械学習予測を一つのシステムで統合するハイブリッド検索強化フレームワークであるSolar Intelligenceを紹介する。
このプラットフォームは毎日のNASA POWERの太陽と気象のデータ、バイオスフィア2の地上センサーの読み取り、研究論文と機関報告の収集されたコーパスを統合している。
構造化クエリはDuckDB SQLを使用し、科学的質問はBM25とChromaDBの密な埋め込みを相互ランクフュージョンを介して融合するハイブリッドレトリバーによって答えられる。
XGBoost(Extreme Gradient Boosting)モデルでは、照度、温度、風速を毎日予測する。
このシステムはFastAPI、Streamlit、MPPサーバを通じて公開されており、学生、研究者、エネルギーアナリストによってアプリケーション、APIサービス、エージェントツールとして使用することができる。
関連論文リスト
- SolarWM: Open Data and Scalable Training for Long-Horizon Video World Models [88.64689505355055]
我々は、データ準備から長距離推論まで、インタラクティブなビデオワールドモデルを構築するための完全にオープンな基盤であるSolarWMを紹介した。
SolarWMは、再構成可能なマルチソースデータエンジンとバックボーンネイティブ適応フレームワークとの結合に対処する。
Wan2.2、LTX-2.5、MiniMax-H3に基づく4つの5B-33Bモデルを、ネイティブ表現と目的を保存しながらインスタンス化する。
結果として生じる因果モデルにより、わずか5秒のシーケンスでトレーニングされた数分から数時間のロールアウトをリアルタイムに対話することができる。
論文 参考訳（メタデータ） (2026-09-02T17:59:41Z) - AI and Open-data Driven Scalable Solar Power Profiling [48.72868465736126]
本稿では、オープンデータからソーラーパネルを検出し、都市レベルのソーラーパワープロファイルを生成するための、オープンでスケーラブルなフレームワークを提案する。
ファンデーションビジョンAIモデルを利用して、オープンソースの衛星画像からソーラーパネルを検出する。
このフレームワークは、プロプライエタリなイメージ、手動ラベリング、クローズドソースモデルへの依存を減らし、ソーラープランニングと分析のための透明でスケーラブルなアプローチを提供する。
論文 参考訳（メタデータ） (2026-05-04T15:37:52Z) - Scalable Machine Learning Analysis of Parker Solar Probe Solar Wind Data [0.0]
本稿では、パーカー・ソーラー・プローブ(PSP)太陽風データを解析するためのスケーラブルな機械学習フレームワークを提案する。
PSPデータセットは150GBを超え、従来の分析手法に挑戦する。
太陽からの距離で太陽風速を上昇させるなど,内層大気の特徴的な傾向を明らかにした。
論文 参考訳（メタデータ） (2025-10-24T00:41:39Z) - Zephyrus: An Agentic Framework for Weather Science [47.611521052984365]
気象学の基礎モデルは、大量の構造化された数値データと従来の天気予報システムより優れた性能で事前訓練されている。
大規模言語モデル(LLM)は、テキストの理解と生成に優れるが、高次元の気象データセットを推論することはできない。
気象学の新しいエージェント・フレームワークを構築することで、このギャップを埋める。
我々は、気象データセットを反復的に分析し、結果を観察し、会話フィードバックループを通じてアプローチを洗練するマルチターンLCMベースの気象エージェントであるZephyrusを設計する。
論文 参考訳（メタデータ） (2025-10-05T03:34:08Z) - Ultra-short-term solar power forecasting by deep learning and data reconstruction [60.200987006598524]
深層学習に基づく超短周期太陽エネルギー予測とデータ再構成を提案する。
我々は、ターゲット予測期間に対する長期的および短期的依存関係をキャプチャするために、ディープラーニングモデルを用いる。
論文 参考訳（メタデータ） (2025-09-21T14:22:35Z) - Text2SQL is Not Enough: Unifying AI and Databases with TAG [47.45480855418987]
Table-Augmented Generation (TAG) は、データベース上の自然言語の質問に答えるパラダイムである。
我々は、TAG問題を研究するためのベンチマークを開発し、標準手法がクエリの20%以上を正しく答えることを発見した。
論文 参考訳（メタデータ） (2024-08-27T00:50:14Z) - FusionSF: Fuse Heterogeneous Modalities in a Vector Quantized Framework
for Robust Solar Power Forecasting [24.57911612111109]
本稿では,過去の電力データ,数値天気予報,衛星画像を統合するための多モード融合フレームワークを提案する。
本フレームワークは,新たに設置した植物に特に有用である,強いゼロショット予測能力を示す。
我々のモデルは頑丈なだけでなく、ゼロショット予測とトレーニングデータに富んだシナリオの両方において精度を高める。
論文 参考訳（メタデータ） (2024-02-08T17:03:10Z) - Improving day-ahead Solar Irradiance Time Series Forecasting by
Leveraging Spatio-Temporal Context [46.72071291175356]
太陽発電は二酸化炭素の排出量を大幅に削減することで気候変動を緩和する大きな可能性を秘めている。
しかし、太陽光の固有の変動は、電力網に太陽エネルギーをシームレスに統合する上で大きな課題となる。
本稿では,衛星データを用いた時間的文脈の活用を目的としたディープラーニングアーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-06-01T19:54:39Z) - Computational Solar Energy -- Ensemble Learning Methods for Prediction
of Solar Power Generation based on Meteorological Parameters in Eastern India [0.0]
特定の地理的位置に対して太陽光発電(PV)発電量を推定することが重要である。
本稿では,太陽PV発電における気象パラメータの影響を,Bagging,Boosting,Stacking,VottingなどのEnsemble ML(EML)モデルを用いて推定する。
その結果,スタックモデルと投票モデルでは,約96%の予測精度が得られた。
論文 参考訳（メタデータ） (2023-01-21T19:16:03Z) - DeepSun: Machine-Learning-as-a-Service for Solar Flare Prediction [3.994605741665177]
我々は、Web上で太陽フレアを予測するための、DeepSunと呼ばれる機械学習・アズ・ア・サービスフレームワークを提案する。
DeepSunシステムは、このマルチクラス予測問題に対処するために、いくつかの機械学習アルゴリズムを使用している。
私たちの知る限り、DeepSunはインターネットを通じて太陽フレアを予測できる最初のMLツールです。
論文 参考訳（メタデータ） (2020-09-04T03:41:50Z) - Conversations with Search Engines: SERP-based Conversational Response
Generation [77.1381159789032]
我々は、検索エンジンと対話するためのパイプラインを開発するために、適切なデータセット、検索・アズ・ア・会話(SaaC)データセットを作成します。
また、このデータセットを用いて、検索エンジンと対話するための最先端パイプライン(Conversations with Search Engines (CaSE))も開発しています。
CaSEは、サポートされたトークン識別モジュールとプリア・アウェア・ポインタージェネレータを導入することで最先端を向上する。
論文 参考訳（メタデータ） (2020-04-29T13:07:53Z)
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。