MxGPS：電力網基盤モデルに向けた多重グラフ Transformer

導入

電力網はノードと線路から成るため、グラフニューラルネットワークの応用先として自然に見える。しかし実運用では、訓練時に見た系統構成と、配備時に直面する母線数や接続関係が同じとは限らない。arXiv 論文「MxGPS: Multiplex Graph Transformers for a Power Grid Foundation Model」は、この問題を トポロジー過学習 と位置づける。つまり、モデルが電力物理そのものではなく、訓練トポロジーに固有の関係パターンを学び過ぎるという診断だ。

提案手法 MxGPS（Multiplex GPS）は、電力網基盤モデルを目指す多重グラフ Transformer である。共有ノードエンコーダの上に、タスク専用の GPS 分岐を複数走らせ、静的状態推定（SSE）と交流潮流計算（PF）を同時に学習する。

主要ポイント

• 分布内精度だけでは不十分：論文によれば、分布内の PF 誤差がより低いモデルほど、トポロジー変化時に大きく劣化する例があり、その劣化幅は 190% から 1400% に及ぶ。
• 失敗要因は容量不足だけではない：著者らは、単一タスク微調整が訓練系統の接続構造に依存した表現を強めることが問題だと主張する。
• 共同学習が制約として働く：SSE と PF の補完的な勾配信号を共有エンコーダに与えることで、特定トポロジーへの過度な適合を抑える狙いがある。
• 多重分岐構造：MxGPS は K 個のタスク専用 GPS 分岐を持ち、論文では分岐間注意機構のアブレーションも評価されている。
• 小規模なパラメータ数：モデルは 160 万パラメータで、GridFM 参照ベースラインより 12 倍少ないと報告されている。

意義と影響

実験では、14、24、162、300 母線の 4 種類の未見トポロジーを含む 3 分割スライディングウィンドウ交差検証が用いられた。MxGPS は、これらすべてのゼロショット潮流トポロジーで境界違反率（BVR）0% を達成したとされる。また、トポロジーシフト下での劣化は 39% にとどまり、分布内では強く見えるが未知構造で大きく崩れるモデルとの対比が示されている。

この研究の重要性は、電力網 AI の評価軸を「既知の系統での誤差」から「未知構造での信頼性」へ広げた点にある。実際の電力系統は、保守、故障、増設、運用方針の変更によって構造が変わる。訓練トポロジーを記憶するだけのモデルでは、基盤モデルとしての利用は難しい。

もっとも、この論文は arXiv のプレプリントであり、結論を評価するには完全な実験条件、データ生成、ベースライン設定を確認する必要がある。それでも MxGPS は、電力システム向け AI において、単一タスクの低誤差よりも、物理整合性、多タスク制約、トポロジー非依存の汎化が重要になることを示している。

出典：arXiv