Visualization of Mobility Digital Twin: Framework Design, Case Study, and Future Challenges
本文提出移动出行数字孪生可视化概念，设计含图像众包、边缘辅助3D重建的端到端框架，通过案例评估不同场景下的孪生保真度与同步性，并探讨未来挑战，为提升自动驾驶安全性提供新路径。
2023-07-18 cs.NI
A Network Digital Twin of a 5G Private Network: Designing a Proof-of-Concept from Theory to Practice
本文基于真实5G专网，利用开源仿真软件构建网络数字孪生，验证其高精度复现物理网络状态与行为的能力，为6G网络分析提供实践参考。
2025-10-14 cs.NI
What-if Analysis Framework for Digital Twins in 6G Wireless Network Management
本研究提出一种基于数字孪生网络（DTN）的6G无线网络管理假设分析框架，结合NS-3、机器学习、强化学习与CTGAN合成数据，优化网络参数并评估吞吐量等性能指标，证明了其在复杂网络管理中的有效性。
2024-04-24 cs.NI
Tiny-Twin: A CPU-Native Full-stack Digital Twin for NextG Cellular Networks
University of California San Diego（加州大学圣迭戈分校）；Texas A&M University（德克萨斯农工大学）；Rensselaer Polytechnic Institute（伦斯勒理工学院）
Tiny-Twin是一种基于CPU的全栈数字孪生框架，用于在通用CPU上实现高保真的5G网络实验，支持细粒度卷积和实时RIC集成，提供低成本的高保真模拟方案。
2026-01-13 cs.NI
Digital Twin-Empowered Communications: A New Frontier of Wireless Networks
本文探讨了数字孪生（DT）在无线网络中的核心作用，分析了无线技术与DT的交织关系，提出了6G网络实现高效DT的前瞻性愿景，并勾勒了识别DT局限性的路线图以促进进一步发展。
2023-07-03 cs.NI
Towards Intelligent Systems for Battery Management: A Five-Tier Digital Twin Architecture
Nanyang Technological University（南洋理工大学）；NVIDIA AI Tech Centre（英伟达人工智能技术中心）
本文提出了一种五层数字孪生架构，通过整合几何建模、描述性分析、物理引导预测等关键技术，实现高精度的电池状态估计与多物理场校准，推动电池管理向可解释、预测和自主的智能化方向发展。
2026-01-12 cs.NI
Collaboration of Digital Twins through Linked Open Data: Architecture with FIWARE as Enabling Technology
本文提出基于FIWARE和关联开放数据的架构，以解决数字孪生因缺乏标准化而难以协作的问题，并通过城市与停车数字孪生协作用例验证其可行性。
2024-02-03 cs.NI cs.SE
Wireless Network Digital Twin for 6G: Generative AI as A Key Enabler
Southeast University（东南大学）；Purple Mountain Laboratories（紫金山实验室）；China Mobile（中国移动）
本文面向6G复杂网络需求，探讨生成式AI（如Transformer与diffusion model）在建模、同步和切片中的作用，提出消息级与策略级分层数字孪生框架并验证其有效性。
2024-06-20 cs.LG cs.NI
A Digital Twin for Reconfigurable Intelligent Surface Assisted Wireless Communication
可重构智能表面（RIS）是近年来兴起的6 G关键技术之一，它由大量低成本的无源元件组成，可以与电磁波进行智能交互，从而提高性能。然而，优化配置大量的RIS元素仍然是一个挑战。在本文中，我们提出了一种新的数字孪生框架的RIS辅助无线网络，我们称之为环境孪生（Env-Twin）。Env-Twin框架的目标是在各种粒度上实现最优控制的自动化。在本文中，我们提出了一个例子的Env-Twin模型来学习RIS配置与测量属性的接收器位置之间的映射函数，并在不涉及显式信道估计或波束训练开销的情况下，在RIS辅助的无线网络中相应的可实现速率。一旦学习，我们的Env-Twin模型可用于预测相同无线网络中任何新接收器位置的最佳RIS配置。我们利用深度学习（DL）技术来构建我们的模型，并研究其性能和鲁棒性。仿真结果表明，所提出的Env-Twin模型可以推荐接近最佳的RIS配置测试接收机的位置，实现接近上限的性能，假设完美的信道知识。我们的Env-Twin模型使用不到2%的总接收器位置进行训练。这个有前途的结果代表了巨大的潜力，建议的Env双框架开发一个实用的RIS解决方案，其中面板可以自动配置自己，而无需请求信道状态信息（CSI）从无线网络基础设施。
2020-09-01 cs.NI eess.SP
Implementing Digital Twin in Field-Deployed Optical Networks: Uncertain Factors, Operational Guidance, and Field-Trial Demonstration
针对真实现场部署光网络中数字孪生失准问题，本文分析三类不确定因素并提出实施指南，且在C+L波段现场试验链路中验证了光纤切断场景下的性能恢复能力。
2023-12-06 cs.NI eess.SP
Digital Twin Graph: Automated Domain-Agnostic Construction, Fusion, and Simulation of IoT-Enabled World
Missouri University of Science and Technology（密苏里科技大学）
本文提出数字孪生图（DTG）通用数据结构及处理框架，以完全自动化、领域无关的数据驱动图学习方式构建数字孪生，降低领域知识依赖并应对关键挑战。
2023-04-20 cs.LG cs.NI
Digital Twin of a Network and Operating Environment Using Augmented Reality
我们使用机器学习演示了网络、网络元素和操作环境的数字孪生。我们使用增强现实实现了86公里光纤上的网卡故障定位和远程协作。
2023-03-23 cs.NI eess.SP
Mapping Wireless Networks into Digital Reality through Joint Vertical and Horizontal Learning
North Carolina State University（北卡罗来纳州立大学）；University of Miami（迈阿密大学）；Zhejiang University（浙江大学）
针对无线网络缺乏详细数字孪生映射方法的问题，提出基于时间序列数据的VH-Twin框架，通过垂直与水平联合学习及周期性聚类机制实现网络数字孪生的构建、部署与维护，并验证了其在效率与准确性间的平衡能力。
2024-04-22 cs.LG cs.NI eess.SP
AI-Native Network Digital Twin for Intelligent Network Management in 6G
本文提出面向6G的AI原生网络数字孪生框架，通过AI模型构建孪生模型支撑网络管理，给出性能提升方案与案例研究，探讨了相关开放研究问题。
2024-10-09 cs.NI cs.SY eess.SY
Neuro-symbolic Explainable Artificial Intelligence Twin for Zero-touch IoE in Wireless Network
Old Dominion University（欧道明大学）；Kyung Hee University（庆熙大学）；Virginia Tech（弗吉尼亚理工学院暨州立大学）
可解释的人工智能（XAI）双系统将成为第六代（6 G）无线网络零接触网络和服务管理（ZSM）的基本推动者。一个可靠的ZSM XAI双系统需要两个复合材料：一个是用于离散化万物互联（IoE）物理行为的极端分析能力，另一个是用于表征此类行为推理的严格方法。在本文中，提出了一种新的神经-符号可解释的人工智能孪生框架，以实现无线万物互联的可信ZSM。XAI Twin的物理空间执行神经网络驱动的多元回归，以捕获时间依赖的无线IoE环境，同时确定IoE服务聚合的无意识决策。随后，XAI双胞胎的虚拟空间构建了一个基于有向无环图（DAG）的贝叶斯网络，该网络可以通过一阶概率语言模型推断出无意识决策的符号推理得分。此外，贝叶斯多臂基于Bandits的学习问题，提出了减少预期的解释分数和当前获得的分数的建议神经符号XAI双胞胎之间的差距。为了解决ZSM中可扩展、模块化和无状态管理功能的挑战，提出的神经符号XAI孪生框架由两个学习系统组成：1）在物理空间中充当无意识学习者的隐式学习者，以及2）可以利用基于隐式学习者决策和先前证据的符号推理的显式学习者。实验结果表明，所提出的神经符号XAI孪生模型可以达到约96.26%的准确率，同时在推理和闭环自动化方面保证18%至44%的信任分数。
2022-10-13 cs.AI cs.NI
Priority based inter-twin communication in vehicular digital twin networks
Georgia State University（佐治亚州立大学）；Penn State Berks（宾夕法尼亚州立大学伯克斯分校）
本文针对车载数字孪生网络中流量拥塞导致响应时间降低的问题，提出基于优先级的孪生体间通信方案，设计对应算法并通过实验验证其有效性。
2026-08-13 cs.DC cs.NI
Adversarial Network Imagination: Causal LLMs and Digital Twins for Proactive Telecom Mitigation
Binghamton University（宾夕法尼亚州立大学）
提出对抗性网络想象框架，结合因果大语言模型、知识图谱和数字孪生，主动生成、模拟和评估对抗性网络故障，实现从被动故障排查向预期韧性分析的转变。
2026-05-22 cs.AI cs.NI
Digital Twin-Driven Computing Resource Management for Vehicular Networks
提出了一种基于数字孪生和人工智能的车辆网络边缘服务器计算资源管理方法。具体来说，我们构建了两层数字孪生，为车辆网络量身定制，以捕获车辆和边缘服务器的网络相关功能。利用这些特点，我们提出了一个两阶段的计算资源分配计划。首先，中央控制器根据边缘服务器的数字孪生捕获的网络动态和服务需求，周期性地生成用于实时计算资源分配的参考策略。其次，通过符合参考策略的低复杂度基于匹配的分配，将边缘服务器的计算资源实时分配给各个车辆。通过利用数字孪生，所提出的方案可以适应动态的服务需求和车辆的移动性在一个可扩展的方式。仿真结果表明，所提出的数字孪生驱动方案使车载网络能够支持比基准方案更多的计算任务。
2022-11-24 cs.NI cs.SY eess.SY
Synchronization in Digital Twins for Industrial Control Systems
数字孪生是工业控制系统（ICS）中的一个新概念，在实现智能工厂的愿景方面发挥着关键作用，它们可以有不同的有效用例。有了数字孪生，我们就有了物理系统的虚拟副本，这样它们就能精确地反映物理系统的内部行为。因此，同步是必要的，以保持数字双胞胎的状态与他们的物理同行同步。否则，他们的行为可能会彼此不同，这可能会导致对系统的错误决策，从而产生灾难性的后果。在本文中，我们提出了三种不同的数字孪生结构，然后通过研究它们跟踪物理系统行为的能力，我们将确定最佳结构，其输出与物理系统的输出相比具有最低的误差。
2020-06-05 cs.NI cs.SY eess.SY
When Digital Twin Meets 6G: Concepts, Obstacles, and Research Prospects
School of Science and Technology, Hong Kong Metropolitan University（香港都会大学科技学院）；School of Intelligent Systems Science and Engineering, Jinan University（暨南大学智能系统科学与工程学院）；Nanjing University of Posts and Telecommunications（南京邮电大学）
本文探讨数字孪生与6G融合的挑战与原则，并提出利用数字孪生和AI增强6G网络优化、资源分配、安全及智能服务的研究方向。
2024-09-03 cs.AI cs.DC cs.NI
