MELD U AAN VOOR dagelijkse nieuwsupdates van CleanTechnica op e-mail. Of volg ons op Google Nieuws!

ChatGrid is een praktische toepassing van de exascale computerinspanningen van het Department of Energy en biedt een nieuwe ervaring in eenvoudige, intuïtieve en interactieve gegevensinteractie

Elke minuut van de dag monitoren netbeheerders de eb en vloed van elektriciteit, van generatoren tot onderstations, van huizen, bedrijven, scholen, ziekenhuizen en meer. Zij zorgen ervoor dat het elektriciteitsaanbod aansluit bij de huidige vraag en moeten vaak snelle beslissingen nemen als er sprake is van een verstoring, zoals een storm of een defect aan apparatuur.

Om deze beslissingen te nemen, doorzoeken netbeheerders voortdurend gegevens over regionale netwerken en verwijzen ze naar visualisaties van welke energiecentrales hoeveel energie opwekken en waar die energie naartoe stroomt. Maar deze tools kunnen omslachtig zijn en het navigeren er doorheen kan de besluitvorming vertragen, zegt hij Shrirang Abhyankar, een onderzoeker op het gebied van optimalisatie en rastermodellering bij het Pacific Northwest National Laboratory.

Nadat hij over deze problemen had gehoord van collega's in de nutssector, vroeg Abhyankar zich af: “Hoe kunnen we de ervaring vereenvoudigen voor netbeheerders die zoveel beslissingen moeten nemen terwijl ze het net in realtime monitoren?”

Geïnspireerd door de recente golf van vraag-en-antwoord-generatieve AI-tools, Abhyankar en voormalig PNNL-stagiair Sichen Jin Het doel was een programma te maken waarin een netbeheerder een vraag over het net kon stellen en een eenvoudig te interpreteren antwoord kon krijgen.

Zo werd ‘ChatGrid’ geboren.

Het bouwen van een AI-aangedreven tool voor rastervisualisatie

Hoewel AI-tools zich snel ontwikkelen, kunnen ze niet onafhankelijk opereren; ze hebben nog steeds een mens nodig. Op een dag zouden er krachtige AI-gestuurde tools kunnen zijn die snelle beslissingen kunnen nemen in netwerkactiviteiten. Voorlopig zouden netbeheerders een programma als ChatGrid kunnen gebruiken om enorme hoeveelheden informatie te destilleren, zodat deze gemakkelijk in realtime kunnen worden geconsumeerd. Om informatie over het elektriciteitsnet te achterhalen, stelt een gebruiker ChatGrid een vraag zoals: "Wat is de opwekkingscapaciteit van de vijf grootste windenergiegeneratoren in de Western Interconnection?"

Als reactie hierop produceert ChatGrid een visualisatie die de gewenste informatie toont. Gebruikers kunnen vragen stellen over de opwekkingscapaciteit, spanning, energiestroom en meer, terwijl ze de visualisatie aanpassen om verschillende informatielagen weer te geven.

“We stellen ons een nieuwe manier voor om door middel van vragen naar data te kijken”, zegt Abhyankar. “Met ChatGrid kan iemand de gegevens opvragen – in letterlijke zin – en onmiddellijk antwoord krijgen.”

ChatGrid draait op een publiek beschikbaar groot taalmodel, dat een beetje lijkt op de voorspellende tekst op een smartphone of in sommige e-mailprogramma's. Een LLM wordt getraind in enorme hoeveelheden tekst (in dit geval Engels) van websites, boeken, krantenartikelen, wetenschappelijke artikelen en meer. Door deze enorme hoeveelheid tekst te ‘lezen’, begint het model te ‘leren’ welke woorden in context met andere woorden verschijnen. Om bijvoorbeeld de zin ‘De kat heeft de _____’ af te maken, zou de LLM uit het analyseren van de tekst leren dat het woord ‘muis’ beter zou passen dan ‘brandweerwagen’. Nadat ze zijn getraind in deze hele reeks gegevens, kunnen LLM's vragen of opdrachten herkennen en antwoorden geven die zij statistisch relevant achten.

Abhyankar werd geïnspireerd door hoe gemakkelijk deze programma's te gebruiken zijn, en hij en Sichen ontwierpen het met veiligheid en betrouwbaarheid voorop. Gegevens over de netwerkinfrastructuur zijn bijvoorbeeld zeer gevoelig, dus hij en Jin konden die gegevens niet gebruiken om de LLM te trainen. Daarom bedachten ze een manier om de netwerkgegevens veilig te houden: het team verzamelde eerst al hun netwerkinfrastructuurgegevens in hun eigen interne database, met kolommen voor gegevens zoals ‘capaciteit’ of ‘locatie’ van de energiecentrales. Ze gebruikten de LLM om een ​​zogenaamde 'gestructureerde zoektaal' of SQL te produceren, waarmee ChatGrid in de interne database naar antwoorden kon zoeken. Dus in plaats van te worden getraind in de gegevens zelf, weet de LLM gewoon dat er kolommen met labels zijn.

Op die manier kan ChatGrid nog steeds rastervisualisaties produceren en tegelijkertijd de netwerkgegevens van het land veilig houden.

Big data voor netwerkactiviteiten

Om de veiligheid van netwerkgegevens verder te beschermen, vertegenwoordigen de visualisaties van ChatGrid momenteel geen echte netwerkgegevens. Het programma maakt gebruik van gesynthetiseerde gegevens van het Exascale Grid Optimization (ExaGO) -model, ontwikkeld door PNNL, vier andere nationale laboratoria en Stanford University. ExaGO kan het elektriciteitsnet van het land in realtime simuleren, waardoor netplanners de rimpeleffecten van eventuele verstoringen kunnen analyseren. Vorig jaar draaide ExaGO voor het eerst op de Frontier-supercomputer van Oak Ridge National Laboratory, die meer dan een miljard miljard berekeningen per seconde kan uitvoeren.

Zodra netbeheerders ChatGrid gaan gebruiken en feedback gaan geven, hoopt Abhyankar een betere versie te bouwen die netbeheerders vervolgens veilig kunnen gebruiken in hun eigen controlekamers met real-life data. Om dat te laten werken, hebben de ontwikkelaars van ExaGO de gegevens nodig om ook op gewone computers bruikbaar te zijn.

“Een van de grootste uitdagingen die zich voordoen als we een nieuwe versie van de snelste computer ter wereld bouwen, is dat dit ook betekent dat we het grootste gegevensbestand ter wereld kunnen genereren, en dat dit voor veel mensen niet nuttig is”, zegt Chris Oehmen, een computationeel bioloog bij PNNL die leiding geeft ExaSGD, een multinationale laboratoriuminspanning waaronder ExaGO werd ontwikkeld.

“Met ChatGrid kunnen we deze gegevens vertalen naar iets dat voor een mens bruikbaar is. Het is een eerste heel belangrijke stap om netbeheerders op een intuïtieve manier met die grote datasets te laten communiceren”, vervolgt Oehmen.

ChatGrid kan worden gedownload op GitHub, maar het vergt een paar stappen. Abhyankar hoopt dat hij, nadat de feedback binnenkomt, een downloadproces in één stap voor de tool kan ontwikkelen. Hij moedigt gebruikers aan om te spelen met fraseringsaanwijzingen en vragen om betere antwoorden te krijgen.

"We willen deze technologie heel graag aan de operators voorleggen en hen vragen stellen en feedback krijgen om te zien hoe ChatGrid presteert", aldus Abhyankar. “We zien dat deze technologie kan uitbreiden welke vragen kunnen worden gesteld aan een generatieve AI-tool en hoe we de vragen kunnen aanpassen om de beste antwoorden te geven.”

ExaGO en ChatGrid maken deel uit van het ExaScale Computing Project van het Department of Energy, gefinancierd door het Office of Science van het Department of Energy en de National Nuclear Security Administration. PNNL bevordert het werk op het gebied van AI-technologie via haar Centrum voor AI.

Door Joanna Wendel. Met dank aan Pacific Northwest National Laboratory.

• Door SEO aangedreven content en PR-distributie. Word vandaag nog versterkt.
• PlatoData.Network Verticale generatieve AI. Versterk jezelf. Toegang hier.
• PlatoAiStream. Web3-intelligentie. Kennis versterkt. Toegang hier.
• PlatoESG. carbon, CleanTech, Energie, Milieu, Zonne, Afvalbeheer. Toegang hier.
• Plato Gezondheid. Intelligentie op het gebied van biotech en klinische proeven. Toegang hier.
• Bron: https://cleantechnica.com/2024/02/25/chatgrid-a-new-generative-ai-tool-for-power-grid-visualization/