LLM推論重要度 ★9

複雑なシステム診断のための動的マスターロジックモデル構築：Retrieval-Augmented Large Language Modelsを活用した知識グラフ

Constructing Dynamic Master Logic Models as Knowledge Graphs for Complex System Diagnostics Using Retrieval-Augmented Large Language Models

https://export.arxiv.org/api/query·2026/8/12

AI要約

動的マスターロジック（DML）は、システム挙動を階層的に表現しますが、その構築は専門家の解釈に依存し、スケーラビリティに限界があります。本研究では、検索拡張生成と大規模言語モデルを用いて、システム記述からDMLモデルを自動構築し、知識グラフとして表現するフレームワークを提案します。

AI要点

複雑なシステム診断のための動的マスターロジック（DML）モデル構築を自動化するフレームワークが提案されました。
このフレームワークは、Retrieval-Augmented Generationと大規模言語モデル（LLM）を活用し、システム記述から知識グラフ（KG-DML）としてDMLモデルを構築します。
従来、専門家の解釈に依存していたDML構築の限界を克服し、大規模で複雑なシステムへの適用可能性を拡張しています。
構築されたKG-DMLは、診断推論、安全性評価、故障伝播解析などに利用でき、実証実験でも再現性が確認されました。

なぜ重要か

技術文書から実行可能な機能モデルを自動生成する能力は、複雑なシステムの診断、信頼性分析、および保守の効率を大幅に向上させる可能性を秘めています。