Physically Constrained Agentic AI for Energy Scheduling
यह शोध पत्र एक पदानुक्रमित (hierarchical) ReAct ऊर्जा प्रबंधन प्रणाली प्रस्तुत करता है जो एजेंटिक एआई (agentic AI) को उपकरणों, ईवी (EVs) और थर्मल नियंत्रण के लिए व्यवहार्य एवं लागत प्रभावी अगले दिन के ऊर्जा शेड्यूल उत्पन्न करने में सक्षम बनाने के लिए भौतिक प्राधिकरण (physical authorization) को भाषा निर्माण (language generation) से अलग करती है, जिससे भौतिक बाधाओं का कड़ाई से पालन करते हुए उच्च सफलता दर और निकट-इष्टतम लागत प्राप्त होती है।
मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
कल्पना कीजिए एक ऐसी दुनिया की जहाँ आपका घर केवल आदेशों का पालन ही नहीं करता, बल्कि आपकी इच्छाओं को समझता भी है। आप अपने घर से कह सकते हैं, "मैं चाहता हूँ कि कपड़े धुल जाएँ, कार चार्ज हो जाए, और लिविंग रूम आरामदायक बना रहे, लेकिन कृपया बिजली का बिल बहुत ज़्यादा न बढ़ने दें।" यह एजेंटिक एआई (Agentic AI) का सपना है: एक स्मार्ट सिस्टम जो न केवल आपसे बातचीत करता है बल्कि वास्तव में काम भी करता है, बड़े लक्ष्यों को छोटे, समन्वित कार्यों में विभाजित करता है। हालाँकि, इसमें एक पेंच है। जबकि एक चैटबॉट कविता लिखने में बहुत अच्छा है, वह भौतिकी (physics) के मामले में बहुत खराब है। यदि एआई यह अनुमान लगाता है कि आपका हीटर पूरी क्षमता से चल सकता है जबकि आपकी वाशिंग मशीन घूम रही है और आपकी इलेक्ट्रिक कार चार्ज हो रही है, तो यह गलती से फ्यूज उड़ा सकता है या तार पिघला सकता है। यह ऊर्जा प्रबंधन (Energy Management) की चुनौती है: आपकी इच्छाओं और बिजली और ऊष्मा के कठोर, अटल नियमों के बीच संतुलन बनाना। वैज्ञानिक ऐसे सिस्टम बनाने की कोशिश कर रहे हैं जो आपसे साधारण अंग्रेजी में बात कर सकें लेकिन बिजली ग्रिड के सख्त गणित का सम्मान भी करें, यह सुनिश्चित करते हुए कि आपका घर बिना किसी मानव इंजीनियर द्वारा हर निर्णय की दोबारा जाँच किए, सुरक्षित और कुशल बना रहे।
यह शोध पत्र उस समस्या को हल करने का एक चतुर नया तरीका पेश करता है, जो एक बहुत ही सख्त "सुरक्षा निरीक्षक" के साथ खड़े एक "स्मार्ट बटलर" की तरह कार्य करता है। लेखकों ने एक सिस्टम बनाया जिसे हाइरार्किकल री-एक्ट (Hierarchical ReAct) एनर्जी मैनेजमेंट सिस्टम कहा जाता है। इसे विशेषज्ञों की एक टीम के रूप में समझें: एक एजेंट वाशिंग मशीन को संभालता है, दूसरा इलेक्ट्रिक कार को, और तीसरा हीटिंग सिस्टम को। एक केंद्रीय "ऑर्केस्ट्रेटर" आपके अनुरोध को सुनता है और इन विशेषज्ञों से एक योजना बनाने के लिए कहता है। लेकिन यहाँ असली जादू है: एआई को विचार सोचने और उन्हें संशोधित करने की अनुमति है, लेकिन उसे अपने आप स्विच चालू करने की अनुमति कभी नहीं दी जाती है। किसी भी योजना को लागू करने से पहले, एक "डिटरमिनिस्टिक क्रिटिक" (deterministic critic)—एक कठोर, केवल गणित आधारित कंप्यूटर प्रोग्राम—बीच में आता है। इस क्रिटिक को शिष्ट बातचीत की परवाह नहीं होती; यह केवल नंबरों की जाँच करता है। यह पूरे दिन के शेड्यूल का पुनर्निर्माण करता है, ऊष्मा प्रवाह (heat flow) का अनुकरण करता है, बिजली की सीमाओं की जाँच करता है, और यह सुनिश्चित करता है कि कोई भी उपकरण तब न चालू हो जाए जब उसे नहीं होना चाहिए। यदि योजना इस सख्त परीक्षण में पास हो जाती है, तो इसे अधिकृत किया जाता है; यदि यह विफल हो जाती है, तो इसे अस्वीकार कर दिया जाता है, और एआई को फिर से प्रयास करना पड़ता है।
शोधकर्ताओं ने इस सिस्टम का परीक्षण एक शक्तिशाली एआई मॉडल (विशेष रूप से, क्यूवेन (Qwen) 3.5 श्रृंखला के चेकपॉइंट्स) का उपयोग करके एक मानक गणितीय सॉल्वर (Pyomo/Gurobi) के विरुद्ध किया, यह देखने के लिए कि क्या एआई वास्तव में शेड्यूलिंग के जटिल गणित को संभाल सकता है। उन्होंने एक परिदृश्य तैयार किया जहाँ घर को वाशिंग मशीन, डिशवॉशर, एक इलेक्ट्रिक वाहन और एक हीट पंप को प्रबंधित करने की आवश्यकता थी, और साथ ही दिन के दौरान इनडोर तापमान को 22 से 24°C के बीच रखना था और 12-किलोवाट की पावर लिमिट के भीतर रहना था।
परिणाम "बुरे नहीं हैं" और "काफी अच्छे हैं" का मिश्रण थे, जो इस बात पर निर्भर करता था कि एआई का 'दिमाग' कितना बड़ा है। जब एआई को केवल एक उपकरण को शेड्यूल करने के लिए कहा गया, तो वह लगभग 83.3% बार सफल रहा। हालाँकि, जब कार्य कठिन हो गया और इसमें एक साथ सब कुछ समन्वित करने की आवश्यकता थी (जिसे "कपल्ड" कार्य कहा गया), तो छोटे एआई मॉडल अटक गए या समय सीमा पार कर गए। लेकिन बड़े मॉडल्स, विशेष रूप से 27B और 35B-A3B संस्करणों ने फीडबैक के कुछ दौर के बाद सभी 6 में से 6 प्रयासों में सुरक्षा निरीक्षक के परीक्षण को पास कर लिया। 35B-A3B मॉडल ने एक शेड्यूल बनाया जिसकी लागत 1592.697 JPY थी, जो पूर्ण गणितीय इष्टतम (optimum) 1343.380 JPY से थोड़ी अधिक है, लेकिन यह एक व्यवहार्य (feasible) योजना थी जिसने सभी भौतिक नियमों का सम्मान किया। 27B मॉडल भी सफल रहा लेकिन यह 2522.499 JPY की अधिक लागत वाला था।
महत्वपूर्ण रूप से, यह शोध पत्र इस बात पर जोर देता है कि यह सफलता सशर्त है। यह सिस्टम इसलिए काम करता है क्योंकि "क्रिटिक" एक सुरक्षा कवच (fail-safe) के रूप में कार्य करता है। यदि एआई कुछ असंभव सुझाव देता है, तो क्रिटिक उसे पकड़ लेता है। लेखकों ने पाया कि "रचनात्मक" एआई और "गणितीय" चेकर के बीच इस सख्त अलगाव के बिना, सिस्टम संभवतः ऐसी योजनाएं बनाएगा जो टेक्स्ट में तो अच्छी दिखती हैं लेकिन वास्तविकता में विफल हो जाती हैं। उन्होंने यह भी नोट किया कि यह 1 अगस्त, 2026 के विशिष्ट मौसम और मूल्य डेटा का उपयोग करके किया गया एक सिमुलेशन था, और यह सिस्टम अभी तक आर्द्रता (humidity), बैटरी गिरावट (degradation), या अचानक बिजली कटौती जैसी वास्तविक दुनिया की अव्यवस्थाओं को ध्यान में नहीं रखता है।
संक्षेप में, यह शोध पत्र दिखाता है कि हम ऐसे एआई एजेंट बना सकते हैं जो हमसे प्राकृतिक भाषा में बात कर सकें और हमारे घरों का प्रबंधन कर सकें, लेकिन केवल तभी जब हम एक सख्त, बिना पलक झपकाए गणितीय वॉचडॉग को नियंत्रण में रखें। एआई प्रस्ताव दे सकता है, लेकिन गणित ही अंतिम निर्णय लेगा। बड़े एआई मॉडल्स ने इस बारीक रेखा पर चलने में होनहार प्रदर्शन किया, सुरक्षित और कार्यात्मक शेड्यूल खोजने में, भले ही वे पूर्ण गणितीय समाधान की तुलना में थोड़े महंगे हों। यह उन घरों की ओर एक कदम है जो हमें समझते हैं, लेकिन यह सिद्ध करता है कि ऊर्जा के लिए, भौतिकी के नियम ही अंतिम फैसला करते हैं।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।