গবেষকেরা FLARE নামের একটি সিমুলেশন বেঞ্চমার্ক তৈরি করেছেন। ভাষা-মডেল এজেন্ট গ্রিডের সীমিত কিন্তু গুরুত্বপূর্ণ একটি কাজ কীভাবে সামলায়, তা এটি পরীক্ষা করে: ত্রুটিযুক্ত অংশ আগেই বিচ্ছিন্ন করার পর কীভাবে বিদ্যুৎ ফেরানো হবে, সেই সিদ্ধান্ত নেওয়া। এজেন্ট অসম্পূর্ণ বা ভুল প্রতিবেদন পায়, আরও তথ্য চাইতে পারে এবং সুইচ চালানোর প্রস্তাব দিতে পারে। পদার্থবিজ্ঞানভিত্তিক একটি পৃথক সুরক্ষা ব্যবস্থা নির্ধারণ করে, প্রস্তাবিত সংযোগকারী সুইচ বন্ধ করা সিমুলেটেড নেটওয়ার্কে নিরাপদ কি না।

এই গবেষণার 16 অক্টোবরের প্রিপ্রিন্ট পাঁচটি পর্যবেক্ষণ পরিস্থিতিতে 800টি ভৌত কেস এবং বিভিন্ন মূল্যায়ন মিলিয়ে 78,750টি মডেল পর্বের কথা জানায়। পুনরুদ্ধারের সিদ্ধান্ত ও সেগুলোর ব্যর্থতার ধরন পরীক্ষা করার উপায় দেয় এটি। বিদ্যুৎ সংস্থার মাঠপর্যায়ের পরীক্ষা বা বাস্তব সেবায় পরিমাপ করা কোনো উন্নতির কথা এতে জানানো হয়নি।

বড় পরিবর্তন

  • কী বদলেছে: FLARE শুধু উত্তরে নম্বর দেওয়ার বদলে এজেন্টের তথ্য সংগ্রহ ও সুইচ বাছাইকে সিমুলেটেড বৈদ্যুতিক পরিণতির সঙ্গে যুক্ত করে। লেখকেরা পরিষ্কার ও নির্ভুল প্রতিবেদনের ভিত্তিতে নেওয়া সিদ্ধান্তের সঙ্গে সীমিত বা ভুল প্রতিবেদনের ভিত্তিতে নেওয়া সিদ্ধান্ত তুলনা করতে পারেন।
  • কেন গুরুত্বপূর্ণ: গ্রিড গবেষক দেখতে পারেন কোথায় এজেন্ট সময় নষ্ট করছে বা অনিরাপদ সুইচ-চালনা প্রস্তাব করছে; একই সঙ্গে সেই কাজ কার্যকর হবে কি না, তা পৃথক ভৌত পরীক্ষার নিয়ন্ত্রণে থাকে। গবেষণাপত্রের বাতিল কাজগুলো দেখায়, বিশ্বাসযোগ্য মনে হওয়া পরিকল্পনা নিজেই নিজের নিরাপত্তা ছাড়পত্র হতে পারে না কেন।
  • সামনে কী দেখতে হবে: লেখকেরা বিদ্যুৎ সংস্থার তথ্য, মানব অপারেটরদের নিয়ে গবেষণা এবং আরও পূর্ণাঙ্গ বৈদ্যুতিক যাচাইকে ভবিষ্যৎ কাজ হিসেবে চিহ্নিত করেছেন। ত্রুটি বিচ্ছিন্ন করার পরের সিমুলেটেড কাজের বাইরে সিদ্ধান্ত সহায়তায় এই বেঞ্চমার্ক কতটা কাজে লাগতে পারে, তা ওই পরীক্ষাগুলো নির্ধারণ করবে।

এজেন্ট আসলে কী করে

FLARE শুরু হয় ত্রুটিযুক্ত অংশ বিচ্ছিন্ন করার পর, যখন বিতরণ ফিডারের কিছু অংশে তখনও বিদ্যুৎ থাকে না। প্রতিটি কেসে এজেন্ট নজরদারি প্রতিবেদন, গ্রাহকের ফোনকলের তথ্য বা ত্রুটি-নির্দেশকের রিডিং চাইতে পারে; পরিদর্শন বা সুইচ পরীক্ষার অনুরোধ করতে পারে; প্রস্তাবিত কাজ সিমুলেট করতে পারে; অংশ-বিভাজক সুইচ খুলতে পারে; সংযোগকারী সুইচ বন্ধ করতে পারে; অথবা থামতে পারে। সংযোগকারী সুইচ বিদ্যুৎহীন এলাকাকে অন্য ফিডারের সঙ্গে যুক্ত করতে পারে, কিন্তু বাড়তি চাহিদায় যন্ত্রপাতিতে অতিরিক্ত লোড পড়তে পারে। সিমুলেটেড কাজের সময়সীমা 240 মিনিট এবং টুল কল ও সুইচ চালানোর সংখ্যায় সীমা আছে, যেমনটি বেঞ্চমার্কের প্রোটোকল জানায়।

লেখকেরা CIGRE ও SimBench ফিডার নেটওয়ার্কের সঙ্গে জার্মানির মাঝারি ভোল্টেজের কার্যক্রম থেকে মাপা সময়ক্রমিক তথ্য মিলিয়েছেন। তাঁরা ত্রুটি, বিচ্ছিন্নকরণ ও সুইচ চালানোর ফল সিমুলেট করেন। প্রধান 800টি ভৌত কেসের প্রতিটির জন্য বাস্তবায়নযোগ্য রেফারেন্স পুনরুদ্ধার পরিকল্পনা আছে। একটি কেসের পাঁচ সংস্করণে মূল গ্রিড ও ত্রুটি অপরিবর্তিত থাকে, কিন্তু এজেন্ট যা দেখে তা বদলায়: পরিষ্কার, অল্প, নয়েজযুক্ত, পুরোনো, অথবা পরস্পরবিরোধী নামের একটি মিশ্র পরিস্থিতি। শেষের পরিস্থিতিতে নজরদারির আওতাও কমে এবং একাধিক ভুলের হার বাড়ে। তাই এর ফল থেকে শুধু পরস্পরবিরোধী প্রতিবেদনের প্রভাব আলাদা করা যায় না। গবেষণাপত্রের পরিশিষ্ট বলছে, পুরোনো SCADA তথ্যের বয়স বর্তমান অবস্থার রিডিংয়ে লাগানো একটি লেবেল; পুরোনো ভৌত অবস্থা আবার চালানো নয়।

গড় স্কোর কঠিন কেস আড়াল করে

গবেষকেরা একই কাজের ইন্টারফেস ও নির্ধারিত নিয়মের ডিকোডিং ব্যবহার করে নির্দেশনা অনুসরণের জন্য সমন্বয় করা পাঁচটি মডেলের মূল্যায়ন করেন। তাঁদের সূচক, স্বাভাবিকীকৃত রিগ্রেট, প্রতিটি পর্বের ওজনযুক্ত বিদ্যুৎ-বিভ্রাটের খরচকে ওই ভৌত কেসের জন্য পাওয়া সেরা বাস্তবায়নযোগ্য রেফারেন্স পরিকল্পনা এবং কিছুই না করার সঙ্গে তুলনা করে। শূন্য মানে রেফারেন্স খরচের সমান; এক মানে কোনো পদক্ষেপ না নেওয়ার চেয়ে ভালো নয়। খরচে গ্রাহক কতক্ষণ বিদ্যুৎহীন থাকেন তা ধরা হয় এবং গ্রাহকের শ্রেণি অনুযায়ী ওজন দেওয়া হয়। তাই শেষে কত শতাংশ গ্রাহকের বিদ্যুৎ ফিরল, তা দিয়ে পুরো ফল বোঝা যায় না।

প্রধান পর্যবেক্ষণ পরিস্থিতিগুলোতে, গবেষণাপত্রের সারণি 2 Qwen 2.5-7B-এর জন্য গড় রিগ্রেট 0.082 থেকে Qwen 2.5-3B-এর জন্য 0.148 পর্যন্ত জানায়। প্রতিটি মডেলের মধ্যক শূন্য, অর্থাৎ অন্তত অর্ধেক পর্বে রেফারেন্স খরচের সমান ফল হয়েছে। অথচ 95তম পার্সেন্টাইল রিগ্রেট 0.814 থেকে 1.000 পর্যন্ত। ফলে ছোট একটি পর্বসমষ্টি গড়ের আড়ালে থাকে, যেগুলোর ফল সিমুলেটেড বিদ্যুৎ-বিভ্রাট পুনরুদ্ধার না করে রেখে দেওয়ার খরচের কাছাকাছি। এগুলো বেঞ্চমার্কের স্কোর, গ্রাহকের বাস্তব বিদ্যুৎ-বিভ্রাটের পরিমাপ নয়।

এই তুলনায় মডেলের বেশি প্যারামিটার ধারাবাহিক সুবিধা দেয়নি: পরীক্ষা করা Qwen 2.5-14B ও চার-বিট Mistral Small 24B কনফিগারেশনের চেয়ে Qwen 2.5-7B-এর গড় ও 95তম পার্সেন্টাইল রিগ্রেট ভালো ছিল। গবেষণাপত্র আরও জানায়, নয়েজযুক্ত পর্যবেক্ষণে আদর্শীকৃত প্রচলিত FLISR রেফারেন্সের স্কোর 0.054 এবং গ্রিডি পদ্ধতির 0.060, যেখানে ওই পরিস্থিতির সেরা ভাষা মডেলের স্কোর 0.089। রেফারেন্সগুলো বেঞ্চমার্কের একই সময়ের নিয়ম ও স্কোরিংয়ে চলেছে; ফলাফল বাস্তবে চালু ব্যবস্থাগুলোর কোনো সাধারণ ক্রমতালিকা প্রতিষ্ঠা করে না।

মডেলের করা উচিত নয় এমন প্রস্তাব সুরক্ষা ব্যবস্থা ধরেছে

প্রস্তাবিত সংযোগকারী সুইচ বন্ধ করার কাজ সিমুলেটেড গ্রিড বদলানোর আগে FLARE ভৌত অবস্থার একটি পরীক্ষামূলক কপিতে যাচাই করে, এতে নেটওয়ার্কের বিন্যাসের সীমা লঙ্ঘিত হবে কি না, বিচ্ছিন্ন ত্রুটিযুক্ত অংশে আবার বিদ্যুৎ পৌঁছাবে কি না, অথবা AC পাওয়ার-ফ্লোর সীমা মানা হবে না কি না। এই পরীক্ষায় এজেন্টকে না-দেওয়া তথ্য ব্যবহৃত হয়। বাতিল প্রস্তাবেও সময় খরচ হয়, কিন্তু নেটওয়ার্ক বদলায় না।

পরে গবেষকেরা সুরক্ষা ব্যবস্থায় বাতিল হওয়া 15,706টি কাজ নেটওয়ার্ক অবস্থার প্রতিলিপিতে আবার চালান। তাঁরা জানান, 15,142টি, অর্থাৎ 96.4%, ভৌত সীমা লঙ্ঘন ঘটাত। বাতিল 8,165টি কাজে তাপীয় অতিরিক্ত লোড দেখা যায়; একাধিক লঙ্ঘনের শ্রেণি একই কাজের ওপর প্রযোজ্য হতে পারত। পর্বগুলোতে বাস্তবে প্রয়োগ করা কাজ থেকে গুরুতর ব্যর্থতা না হওয়া সুরক্ষা ব্যবস্থার হস্তক্ষেপের ফল; মডেল নিজে থেকে নিরাপদ কাজ বেছে নিয়েছিল, তা এতে প্রমাণ হয় না।

গবেষকদের জন্য কার্যকর পার্থক্যটি হলো এজেন্টের প্রস্তাবিত পরিকল্পনার গুণমান এবং অনিরাপদ প্রস্তাব কার্যকর হতে না-দেওয়া স্বাধীন পরীক্ষার মধ্যে। FLARE দুটোই দৃশ্যমান করে। এর সুষম পজিটিভ-সিকোয়েন্স পাওয়ার-ফ্লো গণনায় স্বাভাবিকভাবে তিন-ফেজ বা শর্টসার্কিট যাচাই নেই, আর লেখকেরা বিদ্যুৎ সংস্থার তথ্য ও মানব অপারেটরদের নিয়ে গবেষণার আহ্বান জানান। গবেষণাটি বিচ্ছিন্নকরণের পরের সিমুলেটেড পুনরুদ্ধার মূল্যায়ন করে; কোনো স্বয়ংসম্পূর্ণ বিদ্যুৎ সংস্থার নিয়ন্ত্রক বা প্রকৃত পুনরুদ্ধার সময়ের প্রমাণিত পরিবর্তন নয়।

উৎস ও আরও পড়ুন

  • FLARE: নিম্নমানের পর্যবেক্ষণে ফিডার পুনরুদ্ধারের জন্য ভাষা-মডেল এজেন্টের পদার্থবিজ্ঞানভিত্তিক মূল্যায়ন। BHVSP Subrahmanyam ও Neeraj Choudhary, arXiv v1, জমা দেওয়া হয় 16 অক্টোবর 2026। পূর্ণ প্রিপ্রিন্টে কাজের সংজ্ঞা, সিমুলেটেড কেস নির্মাণ, স্কোরিং, মডেলের ফল, সুরক্ষা ব্যবস্থার বিশ্লেষণ ও উল্লেখ করা সীমাবদ্ধতা রয়েছে। এটি লেখকদের মূল্যায়ন, বিদ্যুৎ সংস্থার মাঠপর্যায়ের গবেষণা বা স্বাধীন পুনরাবৃত্তি নয়।
  • FLARE-এর arXiv নথি। শিরোনাম, লেখক, সংস্করণ ও জমা দেওয়ার সময় নিশ্চিত করে এবং প্রধান ফল সংক্ষেপে তুলে ধরে। নথিটি নতুন কোনো মাঠপর্যায়ের যাচাই যোগ করে না।
  • FLARE কোড রিপোজিটরি। লেখকদের প্রকাশ্য কোড, কনফিগারেশন ও সমন্বিত ফলের রিপোজিটরি; দেখা হয়েছে 19 অক্টোবর 2026। এর README বলছে, বড় গ্রিডের ভিত্তিগত তথ্য, তৈরি করা ডেটা প্যানেল, মডেল ওয়েট ও প্রতি পর্বের আউটপুট সেখানে সংরক্ষিত নেই; BIG CHANGE বেঞ্চমার্কটি চালায়নি বা পুনরুৎপাদন করেনি।