ملخص تقني: VeraGrid-Agent

بيان المشكلة

أظهرت النماذج اللغوية الكبيرة (LLMs) قدرات كبيرة في توليد الأكواد والتحليل المنطقي، مما أدى إلى استكشافها في المجالات العلمية والهندسية مثل أنظمة الطاقة. ومع ذلك، فإن الإجابة على الأسئلة المعقدة المتعلقة بتدفق الطاقة الأمثل في الشبكات التوزيعية (D-OPF) تمثل تحديًا فريدًا. تتطلب هذه الأسئلة غالبًا حل مسائل عددية غير خطية ومعقدة (NP-hard) تتضمن معادلات تدفق الطاقة المترددة (AC)، وموارد الطاقة الموزعة (DERs)، وقيود الشبكة.

عندما تحاول النماذج اللغوية الكبيرة الإجابة على مثل هذه الأسئلة بالاعتماد فقط على المعرفة البارامترية (الذاكرة)، فإنها تضطر إلى التخمين، مما يؤدي غالبًا إلى مخرجات غير صحيفت عدديًا. وتجادل الورقة بأن الاستنتاج اللغوي وحده غير كافٍ للمهام التي تتطلب محاكاة عددية دقيقة، مثل تحديد ارتفاعات الجهد عند عقد الجهد المستمر (PV nodes)، أو سعات الحافلات (buses)، أو تقليص موارد الطاقة الموزعة (DER curtailment)، أو فاقد المغذيات (feeder losses). وتتمثل المشكلة الجوهرية في التمييز بين الحساب الحقيقي وبين الحفظ أو الهلوسة في الاستنتاج العلمي.

المنهجية

لمعالجة ذلك، يقترح المؤلفون VeraGrid-Agent، وهو إطار عمل للنماذج اللغوية الكبيرة المعززة بالأدوات، مصمم لحل مشكلات D-OPF بشكل مستقل. تتضمن المنهجية سير عمل حلقة مغلقة حيث يعمل النموذج اللغوي الكبير كمتحكم لمحلل خارجي بدلاً من الاعتماد على معرفته الداخلية.

1. سير عمل الوكيل (Agent Workflow)

يعمل الوكيل ضمن مساحة عمل معزولة ويتبع إطار عمل ReAct (الاستنتاج + الفعل). لكل استعلام، يقوم الوكيل بما يلي:

• كتابة المدخلات: توليد ملف مدخلات بصيغة JSON يصف رسم الشبكة (feeder graph)، والحافلات (buses)، والفروع (branches)، والأحمال (loads)، وتكوينات موارد الطاقة الموزعة (DERs) بناءً على وصف المشكلة.
• تنفيذ المحلل (Solver): استدعاء محاكي VeraGrid مفتوح المصدر، والذي يقوم بحل مشكلة AC-OPF عدديًا.
• قراءة المخرجات: يعيد المحلل بيانات وصف التنفيذ وجدول محتويات بدلاً من الحل الكامل للحفاظ على ضيق نافذة السياق (context window). بعد ذلك، يقوم الوكيل بقراءات مستهدفة لأسطر نتائج محددة (مثل تدفقات خطوط معينة أو جهود الحافلات).
• اختيار الإجابة: تفسير البيانات العددية المسترجعة لاختيار الخيار الصحيح من سؤال متعدد الخيارات (MCQ).

يتم وضع حد أقصى لعدد التكرارات ($T_{max}$) لمنع الحلقات اللانهائية، رغم أن معظم الاستعلامات تُحل في خطوات قليلة.

2. المعيار المرجعي: VeraGrid-MCQ-150

لتقييم الأداء، قدم المؤلفون VeraGrid-MCQ-150، وهو معيار مرجعي حتمي يعتمد على القوالب ويتكون من 150 سؤالًا متعدد الخيارات.

• التوليد: يتم توليد الأسئلة بواسطة قوالب محددة من قبل خبراء، حيث يتم حساب الحقيقة الأرضية (ground truth) مباشرة بواسطة محاكي VeraGrid. وهذا يضمن أن كل إجابة هي دالة حتمية لسجل شبكة محلول محدد.
• مستويات الصعوبة:
  • سهل (50 سؤالًا): استرجاع مباشر (مثل مقادير جهد العقد، عدد العناصر).
  • متوسط (50 سؤالًا): اشتقاقات أحادية الخطوة (مثل تحويل لكل وحدة "per-unit"، مقدار ممانعة الخط، معامل القدرة).
  • صعب (50 سؤالًا): حسابات متعددة الخطوات واستنتاج عبر الجداول (مثل إجمالي خسائر الفروع، صافي قدرة الاحتياطي، الهوامش الحرارية).
• مقياس التقييم: يُقاس الدقة كنسبة مئلة للعلامات المتوقعة بشكل صحيح ($\hat{\ell}$) مقابل الحقيقة الأرضية ($\ell^*$)، مع اعتبار الاستجابات المشوهة أو المفقودة كإجابات خاطئة.

المساهمات الرئيسية

تقدم الورقة ثلاث مساهمات رئيسية:

1. بنية معززة بالأدوات: إطار عمل مبتكر لتحليل D-OPF حيث يقوم النموذج اللغيدي بكتابة مدخلات المحاكي، وتنفيذ محاكي VeraGrid، وقراءة النتائج ذات الصلة، مما يضمن أن كل إجابة قابلة للتتبع من مخرجات المحاكي.
2. معيار مرجعي حتمي: تقديم VeraGrid-MCQ-150، وهو بيئة اختبار قابلة للتكرار ذات حقيقة أرضية موثقة لتقييم قدرة الوكيل على استرجاع المعلومات الكمية من شبكة محلولة، مما يمنع الاعتماد على الحفظ الساكن.
3. دراسة تجريبية: تقييم شامل لسبعة نماذج لغوية مختلفة تحت نظامين: "بدون أداة" (الاستنتاج من الوصف وحده) و"الوكيل" (المعزز بالأدوات). وتحلل الدراسة مكاسب الأداء وأنماط الفشل.

النتالئج

قيم المؤلفون سبعة نماذج (بما في ذلك GPT-5.2، وClaude Sonnet 4.5، وGemini 3 Flash، وGrok 4.3/4.5، وComposer 2.5، وOpus 4.8) على حالة اختبار مغذي شعاعي مكون من 8 حافلات.

• نظام "بدون أداة": بدون الوصول إلى المحاكي، كان أداء جميع النماذج ضعيفًا، حيث تراوحت الدقة الإجمالية بين 41.3% و49.3%. وهذا يؤكد أن المعرفة البارامترية غير كافية لهذه المهام العددية.
• نظام "المعزز بالأدوات": مع استخدام VeraGrid-Agent، تحسنت الدقة بشكل كبير عبر جميع النماذج، حيث تراوحت بين 97.3% و100.0%.
  • حقق Gemini 3 Flash، وGrok 4.3، وGrok 4.5 دقة مثالية بنسبة 100%.
  • أخطأ كل من GPT-5.2 وClaude Sonnet 4.5 في سؤال صعب واحد فقط لكل منهما.
  • أخطأ كل من Opus 4.8 وComposer 2.5 في سؤالين وأربعة أسئلة على التوالي.
• تحليل نمط الفشل: لم تكن الأخطاء القليلة المتبقية ناتجة عن فشل تنفيذ المحاكي (لم تحدث حالات انتهاء وقت أو أخطاء تنفيذ). بدلاً من ذلك، نشأت الأخطاء من سوء التفسير أثناء الاستنتاج متعدد الخطوات، مثل تجميع خسائر الفروع عند طرف واحد أو الخلط بين تقليص الـ DER والتوزيع (dispatch).
• تأثير الأدوات: كان التحسن أكثر أهمية للأسئلة التي تتطلب حسابات عددية (مثل خسائر المغذي، وارتفاعات الجهد). أما الأسئلة التي يمكن الإجابة عليها من وصف المطالبة (prompt) وحدها (مثل الطوبولوجيا، ومعاملات الخط) فقد أظهرت تحسنًا طفيفًا، لأن خط الأساس "بدون أداة" كان مرتفعًا بالفعل لتلك الفئات المحددة.

الأهمية والادعاءات

تدعي الورقة أنه بالنسبة للمهام الهندسية القائمة على الأرض والمكثفة عدديًا مثل تحليل حافة الشبكة، فإن الوصول إلى أدوات الحساب الخارجية أكثر أهمية من اختيار النموذج اللغوي الأساسي. بمجرد حصول الوكيل على وصول إلى محلل حتمي، تتقلص الفجوة في الأداء بين مختلف النماذج اللغوية الكبيرة بشكل كبير.

يوضح العمل أن الوكلاء المعززين بالأدوات يمكنهم بفعالية الفصل بين الحساب الحقيقي وبين الحفظ والتخمين. وتبرز الورقة أنه بينما تعاني النماذج الحالية في التحليل الرياضي المعقد عند الاعتماد فقط على المعرفة البارامترية، فإن تزويدها بمحاكيات متخصصة يسمح لها بتحقيق دقة تقارب الكمال في مهام كانت غير قابلة للحل بواسطة النماذج اللغوية وحدها. ويشير المؤلفون إلى القيود، بما في ذلك استخدام مغذي شعاعي متوازن واحد، والوقت المطلوب لتنفيذ المحاكي، مما يشير إلى أن العمل المستقبلي سيركز على الأنظمة غير المتوازنة ثلاثية الأطوار، وضبط النماذج الأصغر باستخدام آثار استنتاج الوكيل.