Agentic Workflows for Resolving Conflict Over Shared Resources: A Power Grid Application

यहाँ शोध पत्र "Agentic Workflows for Resolving Conflict Over Shared Resources: A Power Grid Application" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

आधुनिक साइबर-फिजिकल सिस्टम, विशेष रूप से विद्युत शक्ति वितरण में, तेजी से अर्ध-स्वायत्त एजेंटों (जैसे, Advanced Distribution Management Systems - ADMS, Distributed Energy Resource Management Systems - DERMS) पर निर्भर हो रहे हैं जो एक साथ कार्य करते हैं। ये एजेंट अक्सर साझा संसाधनों (जैसे, बैटरी, डीजल जनरेटर) पर परस्पर विरोधी नियंत्रण कार्यों का प्रस्ताव देते हैं ताकि विशिष्ट, अक्सर विपरीत उद्देश्यों (जैसे, लागत न्यूनीकरण बनाम ग्रिड लचीलापन/resilience) को अनुकूलित किया जा सके।

पारंपरिक संघर्ष समाधान विधियाँ महत्वपूर्ण सीमाओं का सामना करती हैं:

• केंद्रीकृत नियंत्रण (Centralized Control): यह एक एकल समन्वयक की धारणा रखता है जिसके पास सभी उद्देश्यों का वैश्विक ज्ञान हो, जो गोपनीयता संबंधी बाधाओं या मालिकाना तर्क (proprietary logic) के कारण अक्सर उपलब्ध नहीं होता है।
• कठोर आर्किटेक्चर (Rigid Architectures): इनके लिए एजेंटों को एक साथ काम करने के लिए विशेष रूप से डिज़ाइन करने की आवश्यकता होती है, जिससे मॉड्यूलरिटी सीमित हो जाती है।
• LLM एकीकरण (LLM Integration): Large Language Model (LLM) आधारित एजेंटों के उदय ने प्राकृतिक भाषा तर्क और गुणात्मक निर्णय लेने की क्षमता पेश की है, लेकिन मौजूदा फ्रेमवर्क के पास इन एजेंटों के आंतरिक तर्क को उजागर किए बिना या उन्हें जटिल अनुकूलन समस्याओं (optimization problems) को सीधे हल करने के लिए मजबूर किए बिना उनके बीच संघर्ष को सुलझाने के तंत्र की कमी है।

मुख्य चुनौती एक डोमेन-अज्ञेय (domain-agnostic) संघर्ष निवारण फ्रेमवर्क विकसित करना है जो LLM-आधारित एजेंटों को उनकी स्थानीय स्वायत्तता, गोपनीयता और विविध निर्णय लेने की रणनीतियों (मात्रात्मक और गुणात्मक) को बनाए रखते हुए साझा संसाधनों पर संघर्ष को हल करने की अनुमति दे सके।

2. कार्यप्रणाली (Methodology)

लेखक एक ऐसा फ्रेमवर्क प्रस्तावित करते हैं जहाँ अनुप्रयोगों (applications) को क्लाइंट एजेंटों (LLM-आधारित) द्वारा रैप किया जाता है जो साझा सेटपॉइंट्स (setpoints) पर बातचीत करते हैं। यह फ्रेमवर्क तीन अलग-अलग संघर्ष निवारण मोड (Deconfliction Modes) के माध्यम से कार्य करता है:

A. एजेंट डिज़ाइन सिद्धांत (Agent Design Principles)

प्रभावी बातचीत सुनिश्चित करने के लिए क्लाइंट एजेंटों को विशिष्ट बाधाओं के साथ डिज़ाइन किया गया है:

• चिंताओं का पृथक्करण (Separation of Concerns): एजेंट को अनुप्रयोग के आंतरिक तर्क से अलग रखा गया है, जो केवल इनपुट/आउटपुट के माध्यम से इंटरैक्ट करता है।
• गोपनीयता-संरक्षण (Privacy-Preserving): एजेंट अपने उद्देश्य कार्यों (objective functions) या निजी बाधाओं को प्रकट किए बिना बातचीत करते हैं।
• चेन-ऑफ-थॉट (CoT): एजेंट प्रस्तावों का मूल्यांकन करने, निर्णयों को न्यायसंगत बनाने और समझौतों की गणना करने के लिए एक संरचित तर्क प्रक्रिया का उपयोग करते हैं।

B. तीन संघर्ष निवारण मोड (Three Deconfliction Modes)

1. द्विपक्षीय बातचीत (Bilateral Negotiation): एजेंट सीधे संवाद करते हैं, प्रस्ताव और प्रति-प्रस्तावों का आदान-प्रदान करते हैं, जब तक कि एक आपसी सहमति नहीं बन जाती। यह प्रत्यक्ष संचार और रणनीतिक समझौते पर निर्भर करता है।
2. संरचित मध्यस्थता (Structured Mediation): एक समर्पित मध्यस्थ एजेंट (Mediator Agent) प्रक्रिया का समन्वय करता है। यह प्रस्तावों को एकत्र करता है, संघर्षों का मूल्यांकन करता है, और एक पुनरावृत्त भारित-आम सहमति (iterative weighted-consensus) तंत्र का उपयोग करके एजेंटों को आम सहमति की ओर निर्देशित करता है।
3. प्रक्रियात्मक (निश्चित) संघर्ष निवारण (Procedural Deconfliction): मध्यस्थ के स्थान पर एक नियतात्मक एल्गोरिदम (गेम थ्योरी से अनुकूलित) का उपयोग करता है। यह प्रस्तावित सेटपॉइंट्स का एक भारित केंद्रक (weighted centroid) गणना करता है।
   • वेटिंग मैकेनिज्म (Weighting Mechanism): प्रत्येक एजेंट द्वारा पिछले इटरेशन में प्रदर्शित लचीलेपन के आधार पर भार ($w_{i,k}$) को समायोजित किया जाता है। जो एजेंट सहमति केंद्रक (consensus centroid) के करीब आते हैं, उन्हें उच्च भार प्राप्त होता है।
   • अभिसरण (Convergence): यह प्रक्रिया अभिसरण या अधिकतम इटरेशन सीमा तक चलती है। यदि कोई आम सहमति नहीं मिलती है, तो अंतिम भारित केंद्रक लागू किया जाता है।

C. भारित-आम सहमति तंत्र (The Weighted-Consensus Mechanism)

फ्रेमवर्क सेटपॉइंट्स ($x$) और भार ($w$) के लिए एक पुनरावृत्त अपडेट नियम का उपयोग करता है:
$$c_k = \frac{\sum (w_{i,k} \cdot x_{i,k})}{\sum w_{i,k}}$$
जहाँ $c_k$ इटरेशन $k$ पर केंद्रक (centroid) है। भार को एजेंट के प्रारंभिक प्रस्ताव और पिछले केंद्रक के बीच यूक्लिडियन दूरी के आधार पर अपडेट किया जाता है, जो एजेंटों को वैश्विक अनुकूलन समस्या को स्पष्ट रूप से हल किए बिना लचीलापन दिखाने के लिए पुरस्कृत करता है।

3. प्रमुख योगदान (Key Contributions)

1. डोमेन-अज्ञेय फॉर्मूलेशन: एक ऐसा फ्रेमवर्क जो अनुप्रयोगों को साझा संसाधनों पर बातचीत करने में सक्षम अमूर्त एजेंटों के रूप में मानता है, जिसे तीन विशिष्ट वर्कफ़्लो (Bilateral, Mediated, Procedural) के साथ स्थापित किया गया है।
2. LLM-विशिष्ट डिज़ाइन सिद्धांत: क्लाइंट एजेंटों के लिए CoT-आधारित तर्क संरचनाओं की परिभाषा जो उनके आंतरिक उद्देश्यों और समझौते के प्रोत्साहन के बीच संतुलन बनाती है, जिससे गोपनीयता और मॉड्यूलरिटी सुनिश्चित होती है।
3. पुनरावृत्त भारित-आम सहमति (Iterative Weighted-Consensus): एक नवीन तंत्र जो एजेंटों को वैश्विक अनुकूलन समस्याओं को हल किए बिना आम सहमति तक पहुँचने की अनुमति देता है, जो संख्यात्मक और गैर-संख्यात्मक (गुणात्मक) दोनों निर्णयों का समर्थन करता है।
4. अनुभवजन्य मूल्यांकन (Empirical Evaluation): एक वास्तविक पावर ग्रिड केस स्टडी का उपयोग करके तीन मोड का व्यापक तुलनात्मक अध्ययन।

4. प्रयोगात्मक परिणाम (Experimental Results)

फ्रेमवर्क का परीक्षण एक IEEE 123-बस सिस्टम पर दो परस्पर विरोधी अनुप्रयोगों के साथ किया गया:

• लागत अनुकूलन (Cost Optimization): परिचालन लागत को कम करता है (जब ग्रिड की कीमतें अधिक हों तो बैटरी डिस्चार्ज करता है, डीजल का उपयोग करता है)।
• लचीलापन (Resilience): ईंधन भंडार को अधिकतम करता है (बैटरी चार्ज करता है, डीजल के उपयोग को कम करता है)।

मुख्य निष्कर्ष:

• अभिसरण गति (Convergence Speed):
  • द्विपक्षीय बातचीत (Bilateral Negotiation): सबसे तेज़ अभिसरण (5 राउंड)। एजेंटों ने रणनीतिक समझौते जल्दी किए, जिससे शून्य डीजल उत्पादन और मामूली बैटरी डिस्चार्ज के साथ एक समाधान प्राप्त हुआ।
  • संरचित मध्यस्थता (Structured Mediation): मध्यम अभिसरण (9 राउंड)। मध्यस्थ ने सहकारी व्यवहार के आधार पर भार को गतिशील रूप से समायोजित किया।
  • प्रक्रियात्मक संघर्ष निवारण (Procedural Deconfliction): विशिष्ट परीक्षणों में 10 राउंड के भीतर अभिसरण करने में विफल रहा। मौलिक रूप से असंगत लक्ष्यों वाले एजेंटों (चार्जिंग बनाम डिस्चार्जिंग) ने दहलीज पार करने से इनकार कर दिया, जिससे एक गतिरोध पैदा हुआ जहाँ अंतिम केंद्रक लागू किया गया।
• प्रदर्शन मेट्रिक्स (सफलता स्कोर):
  • तीनों विधियों ने "प्रारंभिक केंद्रक" (साधारण औसत) बेसलाइन से बेहतर प्रदर्शन किया।
  • द्विपक्षीय (Bilateral): उच्च पारेतो दक्षता (Pareto efficiency) (समाधान पारेतो फ्रंट पर स्थित हैं) लेकिन इसमें उच्च विचरण (variance) और कम निष्पक्षता (असमान समझौता) देखी गई।
  • संरचित मध्यस्थ (Structured Mediator): बेहतर निरंतरता और निष्पक्षता (समाधान $x=y$ रेखा के करीब) प्रदान करता है, लेकिन द्विपक्षीय की तुलना में थोड़ी कम पारेतो दक्षता दिखाता है।
  • प्रक्रियात्मक (Procedural): मध्यम प्रदर्शन, एक नियतात्मक बैकअप के रूप में कार्य करता है।
• परिणाम: सभी विधियों ने एजेंटों को केवल विपरीत चरमों के साधारण औसत के बजाय, एक पारस्परिक रूप से लाभकारी ऑपरेटिंग क्षेत्र (न्यूनतम डीजल, मामूली बैटरी डिस्चार्ज) की ओर सफलतापूर्वक निर्देशित किया।

5. महत्व (Significance)

यह कार्य महत्वपूर्ण बुनियादी ढांचे में AI एजेंटों की तैनाती के एक महत्वपूर्ण अंतर को संबोधित करता है:

• स्केलेबिलिटी और मॉड्यूलरिटी: यह विविध, तीसरे पक्ष के अनुप्रयोगों को उनके अनुकूलता के लिए पुन: इंजीनियर करने की आवश्यकता के बिना एकीकृत करने में सक्षम बनाता है।
• गोपनीयता संरक्षण: यह एजेंटों को उनके मालिकाना एल्गोरिदम या संवेदनशील परिचालन डेटा को उजागर किए बिना प्रभावी ढंग से बातचीत करने की अनुमति देता है।
• LLM एकीकरण: यह दर्शाता है कि कैसे LLMs को सरल चैट इंटरफेस से आगे बढ़कर सक्रिय नियंत्रण और बातचीत के लिए जटिल, बहु-उद्देश्यीय निर्णय लेने हेतु उपयोग किया जा सकता है।
• ट्रेड-ऑफ प्रबंधन: अध्ययन पारेतो दक्षता (Pareto efficiency) और निरंतरता/निष्पक्षता (consistency/fairness) के बीच अंतर्निहित व्यापार-बंद (trade-off) को उजागर करता है। जबकि प्रत्यक्ष बातचीत इष्टतम परिणाम देती है, यह अस्थिर है; संरचित मध्यता स्थिरता और निष्पक्षता प्रदान करती है, हालांकि इसके लिए इष्टतमता में थोड़ी कमी आती है।

शोध पत्र निष्कर्ष निकालता है कि हालांकि कोई भी एक मोड पूर्ण नहीं है, यह फ्रेमवर्क साझा-संसाधन वातावरण में स्वायत्त एजेंटों के प्रबंधन के लिए एक मजबूत, लचीला आधार प्रदान करता है, जिसमें भविष्य का कार्य मध्यस्थ परिदृश्यों में पारेतो दक्षता में सुधार के लिए संरचनात्मक मापदंडों को ट्यून करने पर केंद्रित है।