LUMINA：面向 ACOPF 的拓扑可迁移基础模型
机器学习
2026-04-09 v2
摘要
基础模型在一般情况下承诺通过在问题实例之间学习可重用表示来加速科学计算，但受约束的科学系统（即预测必须满足物理法则和安全限制的系统）构成独特挑战，挑战了传统训练范式。我们通过系统性调查 AC 最优悬挂问题 (ACOPF)，该问题在电网运营中代表一个受约束优化问题，其中功率平衡方程和运行约束不可协商。通过控制实验检验不同的架构、训练目标和系统多样性，我们提取了三个经验性支撑的原则，指导科学基础模型的设计。这些原则刻画了三个设计权衡：在尊重系统特定约束的同时学习物理不变表示、在确保约束满足的同时优化精度、在高风险运行 regime 中确保可靠性。我们提出 LUMINA 框架，包括数据处理和训练管道，以支持在跨学科应用中进行基于物理、可行性感知的基础模型可重复研究。
引用
@article{arxiv.2603.04300,
title = {LUMINA: Foundation Models for Topology Transferable ACOPF},
author = {Yijiang Li and Zeeshan Memon and Hongwei Jin and Stefano Fenu and Keunju Song and Sunash B Sharma and Parfait Gasana and Hongseok Kim and Liang Zhao and Kibaek Kim},
journal= {arXiv preprint arXiv:2603.04300},
year = {2026}
}