Supporting Energy Policy Research with Large Language Models

要約

米国における最近の再生可能エネルギー開発の成長に伴い、再生可能エネルギー立地条例も同時に急増しています。
これらのゾーニング法は、低炭素エネルギーの未来を達成するために不可欠な風力および太陽光資源の配置を決定する上で重要な役割を果たします。
これに関連して、立地条例データへの効率的なアクセスと管理が不可欠になります。
国立再生可能エネルギー研究所 (NREL) は最近、このニーズを満たすために公共の風力発電および太陽光発電の位置データベースを導入しました。
この論文では、ラージ言語モデル (LLM) を活用して法的文書からこれらの立地条例の抽出を自動化し、急速に変化するエネルギー政策の状況においてこのデータベースが正確な最新情報を維持できるようにする方法を紹介します。
この研究の新たな貢献は、決定木フレームワークと LLM の統合です。
私たちの結果は、このアプローチが 85 ～ 90% 正確で、下流の定量モデリングで直接使用できる出力を備えていることを示しています。
私たちは、エネルギー分野における同様の大規模な政策研究を支援するためにこの研究を利用する機会について議論します。
LLM を使用した法的文書の抽出と分析の新たな効率性を実現することで、この研究は自動化された大規模なエネルギー政策研究への道を可能にします。

要約(オリジナル)

The recent growth in renewable energy development in the United States has been accompanied by a simultaneous surge in renewable energy siting ordinances. These zoning laws play a critical role in dictating the placement of wind and solar resources that are critical for achieving low-carbon energy futures. In this context, efficient access to and management of siting ordinance data becomes imperative. The National Renewable Energy Laboratory (NREL) recently introduced a public wind and solar siting database to fill this need. This paper presents a method for harnessing Large Language Models (LLMs) to automate the extraction of these siting ordinances from legal documents, enabling this database to maintain accurate up-to-date information in the rapidly changing energy policy landscape. A novel contribution of this research is the integration of a decision tree framework with LLMs. Our results show that this approach is 85 to 90% accurate with outputs that can be used directly in downstream quantitative modeling. We discuss opportunities to use this work to support similar large-scale policy research in the energy sector. By unlocking new efficiencies in the extraction and analysis of legal documents using LLMs, this study enables a path forward for automated large-scale energy policy research.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google