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
A Comprehensive Review of Digital Twin -- Part 1: Modeling and Twinning Enabling Technologies
Iowa State University（爱荷华州立大学）；The Hong Kong Polytechnic University（香港理工大学）；EPFL（洛桑联邦理工学院）；National Institute of Standards and Technology（美国国家标准与技术研究院）；GE Research（通用电气研究院）；Seoul National University（首尔国立大学）；University of California, San Diego（加州大学圣地亚哥分校）；Vanderbilt University（范德堡大学）；University of Michigan-Dearborn（密歇根大学迪尔伯恩分校）
作为工业4.0时代的新兴技术，数字孪生正获得前所未有的关注，因为它有望通过将物理世界全面建模为一组相互关联的数字模型，进一步优化工艺设计、质量控制、健康监测、决策和政策制定等。在一个由两部分组成的系列论文中，我们研究了数字孪生中常用的不同建模技术、孪生使能技术以及不确定性量化和优化方法的基本作用。这第一篇论文提出了一个彻底的文献综述数字孪生的趋势，目前在许多学科追求这一领域的研究。然后，进一步分析了数字孪生建模和孪生使能技术，根据数据流的方向将其分为两大类：物理到虚拟和虚拟到物理。最后，本文提供了对未来十年数字孪生技术发展轨迹的展望，并介绍了一些新兴的研究领域，这些领域可能在未来的数字孪生研究中有很大的用处。在这篇综述的第二部分中，讨论了不确定性量化和优化的作用，展示了电池数字孪生，并分享了对数字孪生未来的更多观点。
2022-09-30 cs.AI cs.CE cs.LG
Validation of a Hospital Digital Twin with Machine Learning
University of Washington Bothell（华盛顿大学博塞尔分校）；Kaiser Permanente（凯撒医疗集团）
最近，人们对开发医疗保健流程的数字孪生以更好地了解瓶颈和改进领域的兴趣激增。一个关键的挑战是验证过程。我们描述了一个数字孪生的工作正在进行中，使用基于代理的模拟模型，用于确定床周转时间的患者在医院。我们采用了一种策略，使用机器学习验证模型和实现灵敏度分析。
2023-03-09 cs.AI cs.LG
The role of surrogate models in the development of digital twins of dynamic systems
Indian Institute of Technology Delhi（印度理工学院德里分校）；Swansea University（斯旺西大学）；Indian Institute of Science（印度科学学院）
数字孪生技术在航空航天、基础设施和汽车等各个工业领域具有广泛应用的重要前景、相关性和潜力。然而，由于具体应用缺乏明确性，这项技术的采用速度较慢。本文采用离散阻尼动力系统来探讨数字孪生的概念。由于数字双胞胎也有望利用数据和计算方法，因此在这种情况下使用代理模型是一个令人信服的案例。在这种协同作用的推动下，我们探索了在数字孪生技术中使用替代模型的可能性。特别是，使用高斯过程（GP）仿真器内的数字孪生技术进行了探讨。GP具有解决噪声和稀疏数据的固有能力，因此，在数字孪生框架内使用是一个令人信服的案例。涉及刚度变化和质量变化的情况下，被认为是单独和联合随着不同程度的噪音和稀疏的数据。我们的数值模拟结果清楚地表明，代理模型，如GP仿真器有可能成为一个有效的工具，为发展数字孪生。与数据质量和采样率有关的方面进行了分析。本文介绍的关键概念进行了总结，并提出了迫切的未来研究需求的想法。
2020-06-15 cs.LG stat.ML
Graph Learning for Cognitive Digital Twins in Manufacturing Systems
University of California, Irvine（加州大学欧文分校）
未来的制造业需要复杂的系统，将仿真平台和虚拟化与来自工业流程的物理数据连接起来。数字孪生包括物理孪生、数字孪生以及两者之间的联系。使用数字孪生的好处非常多，尤其是在制造业中，因为它们可以提高整个制造生命周期的效率。随着时间的推移，随着许多技术的兴起，数字孪生的概念变得越来越复杂和强大。在本文中，我们详细介绍了认知数字孪生，作为数字孪生的下一个发展阶段，这将有助于实现工业4.0的愿景。认知数字孪生将使企业能够创造性地、有效地、高效地利用从现有制造系统的经验中汲取的隐性知识。它们还可以实现更多的自主决策和控制，同时提高整个企业的性能（大规模）。本文提出了图形学习作为一个潜在的途径，使认知功能的制造数字孪生。提出了一种在制造业产品设计阶段利用图学习实现认知数字孪生的新方法。
2021-09-17 cs.AI cs.LG cs.SY
Forestry digital twin with machine learning in Landsat 7 data
Shannxi Province Climate center（陕西省气候中心）
利用历史数据对森林进行建模可以更准确地进行进化分析，从而为其他研究提供重要基础。遥感作为公认的有效工具，在林业分析中发挥着重要作用。我们可以用它来获得有关森林的信息，包括树木类型，覆盖率和郁闭度。利用统计量进行森林时间序列建模的研究较多，而利用遥感影像进行建模的研究较少。图像预测数字孪生是数字孪生的一种实现方式，其目的是根据历史数据预测未来的图像。在本文中，我们提出了一种基于LSTM的数字孪生森林建模方法，使用Landsat 7遥感图像在20年内。实验结果表明，本文提出的预测孪生方法能够有效地预测研究区未来影像。
2022-04-02 cs.CV cs.LG
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
Digital Twin Generators for Disease Modeling
本文提出数字孪生生成器（DTGs）神经网络架构，通过学习临床轨迹条件生成模型，仅需更换训练集和调参即可为13种适应症患者生成准确数字孪生，旨在推动个性化医疗规模化应用。
2024-05-02 cs.LG stat.ML
From Physics-Based Models to Predictive Digital Twins via Interpretable Machine Learning
University of Texas at Austin（德克萨斯大学奥斯汀分校）；Oden Institute for Computational Engineering and Sciences（奥登计算工程与科学研究所）
这项工作开发了一种方法，用于从代表各种资产状态的基于物理的模型库中创建数据驱动的数字孪生。使用可解释的机器学习更新数字孪生。具体来说，我们使用最优树-最近开发的可扩展的机器学习方法-训练一个可解释的数据驱动的分类器。分类器的训练数据使用由基于物理的模型库求解的模拟场景离线生成。这些数据可以使用实验数据或其他历史数据进一步扩充。在操作中，分类器使用来自资产的观测数据来推断模型库中的哪些基于物理的模型是更新的数字孪生的最佳候选。该方法通过为12英尺翼展的无人机开发结构数字孪生来演示。这个数字孪生模型是从一系列结构状态下车辆的降阶模型库中构建的。数据驱动的数字孪生会根据结构损坏或退化动态更新，并使飞机能够相应地重新规划安全任务。在这种情况下，我们研究的最佳树分类器的性能，并展示了如何解释它们的可解释性，使稀疏传感器测量的结构评估，并通知最佳传感器的位置。
2020-04-28 cs.CE cs.LG
Digital twins of nonlinear dynamical systems
Arizona State University（亚利桑那州立大学）；CCDC Army Research Laboratory（作战能力发展司令部陆军研究实验室）
我们阐述了基于机器学习的数字孪生模型的设计要求，用于受外部驱动的非线性动力系统，可用于监控目标系统的“健康”并预测其未来的崩溃。我们证明，通过单个或并行水库计算配置，数字孪生能够完成具有挑战性的预测和监测任务。利用气候，光学和生态学的原型系统，我们表明数字孪生子可以将目标系统的动态外推到以前从未经历过的某些参数状态，在非平稳外部驱动下进行连续预测/监测，并进行稀疏实时更新，推断隐藏变量并准确预测其动态演化，适应不同形式的外部驱动，并将全局分岔行为外推到一些不同规模的系统。这些功能使我们的数字孪生模型在重要应用中具有吸引力，例如监测关键系统的健康状况，并预测环境变化导致的潜在崩溃。
2022-10-05 cs.LG nlin.AO
Cardiovascular Digital Twins from Physics Based to Data Driven Approaches
Sheffield Hallam University（谢菲尔德哈勒姆大学）；Institute of Development, Aging and Cancer (IDAC), Tohoku University（东北大学开发、衰老与癌症研究所（IDAC））
该研究综述了心血管数字孪生的建模范式，对比了机理模型与数据驱动方法的优劣，介绍了融合物理约束与关系学习的新兴方法，探讨了其临床转化路径，为心血管数字孪生的发展提供了参考。
2026-08-04 cs.LG physics.med-ph
Vision-Assisted Digital Twin Creation for mmWave Beam Management
Qualcomm Technologies Netherlands B.V.（高通科技荷兰有限公司）；Qualcomm Technologies Inc.（高通科技公司）
针对毫米波系统数字孪生构建中现有信道模拟器对3D孪生精度要求过高、落地难的问题，提出仅需单摄像头与位置信息的数字孪生构建流程及信道模拟器，在DeepSense 6G数据集的波束获取任务上性能优于无显式3D建模的方法。
2024-01-31 cs.LG eess.SP
Probabilistic machine learning based predictive and interpretable digital twin for dynamical systems
Indian Institute of Technology Delhi（印度理工学院德里分校）；University of Glasgow（格拉斯哥大学）
提出了一种从基于物理的函数库中创建和更新动力系统数字孪生的框架。稀疏贝叶斯机器学习用于更新和导出数字孪生的可解释表达式。提出了两种更新数字孪生模型的方法。第一种方法利用来自动力系统的输入和输出信息，而第二种方法利用仅输出的观测来更新数字孪生。这两种方法都使用代表某些物理的候选函数库来推断现有数字孪生模型中的新扰动项。在这两种情况下，更新后的数字孪生子的表达是相同的，此外，认知的不确定性被量化。在第一种方法中，回归问题是从一个状态空间模型，而在后一种情况下，输出的唯一信息被视为一个随机过程。利用伊藤演算和Kramers-Moyal展开的概念导出回归方程。所提出的方法的性能证明使用高度非线性动力系统，如裂纹退化问题。数值结果表明，本文几乎准确地确定正确的扰动项及其相关参数的动力系统。所提出的方法的概率性质也有助于量化与更新模型相关的不确定性。所提出的方法提供了对数字孪生模型中扰动的准确和可解释的描述，可直接用于更好的网络物理集成、长期未来预测、退化监测和模型不可知控制。
2022-12-19 cs.LG stat.ML
Digital Twin-based Intrusion Detection for Industrial Control Systems
KTH Royal Institute of Technology（瑞典皇家理工学院）；RISE Research Institute of Sweden（瑞典RISE研究院）
数字孪生最近在工业控制系统（ICS）的仿真、优化和预测性维护方面获得了极大的兴趣。最近的研究讨论了在工业系统中使用数字孪生进行入侵检测的可能性。因此，这项研究有助于数字孪生为基础的安全框架的工业控制系统，扩展其能力的模拟攻击和防御机制。在工业灌装厂的独立开源数字孪生上实现了四种类型的过程感知攻击场景：命令注入、网络拒绝服务（DoS）、计算测量修改和朴素测量修改。在对8种有监督机器学习算法离线评价的基础上，提出了一种基于层叠集成分类器的实时入侵检测方法。通过结合各种算法的预测，所设计的堆叠模型在F1分数和准确性方面优于以前的方法，同时它可以近实时（0.1秒）检测和分类入侵。本研究亦讨论了所提出的基于数字孪生的安全框架的实用性和好处。
2022-07-20 cs.CR cs.LG
Predictive Digital Twin for Condition Monitoring Using Thermal Imaging
SINTEF Digital（SINTEF数字研究院）
本文提出整合POD、RPCA和DMD构建预测性数字孪生框架，结合热成像与虚拟现实界面，在加热板实验中验证了其在状态监测、异常检测和实时预测方面的能力，推动工业资产管理变革。
2024-11-08 cs.CV cs.LG
Attentive Neural Processes and Batch Bayesian Optimization for Scalable Calibration of Physics-Informed Digital Twins
Mitsubishi Electric Research Laboratories（三菱电机研究实验室）
基于物理信息的动态系统模型是构建环境的数字孪生的关键组成部分。这些数字孪生可用于设计节能基础设施，但必须进行适当校准，以准确反映系统行为，用于下游预测和分析。现代建筑物的动力系统模型通常由大量参数描述，并且在仿真期间产生显著的计算开销。为了在不进行过度模拟的情况下处理数字孪生的大规模校准，我们提出了ANP-BBO：一种利用注意神经过程（ANP）的可扩展和可并行的批量贝叶斯优化（BBO）方法。
2021-06-29 cs.AI cs.LG math.OC
Digital Twins: State of the Art Theory and Practice, Challenges, and Open Research Questions
University of Oxford（牛津大学）；University of Cambridge（剑桥大学）
数字孪生是十多年前推出的，作为一种创新的全方位工具，具有实时监测、模拟和预测等明显优势。然而，数字孪生（DT）的理论框架和实际实现离这一愿景还很远。虽然有成功的实施，但没有公开足够的实施细节，因此难以评估其有效性，进行比较并共同推进DT方法。这项工作探讨了各种DT功能和当前的方法，在实施和采用数字孪生延迟背后的缺点和原因。机器学习、物联网和大数据的进步极大地促进了DT在实时监测和预测性能方面的改进。尽管取得了这一进展，个别公司也做出了努力，但该领域仍存在某些研究空白，这导致这一概念的广泛采用受到延误。我们回顾了相关的工作，并确定了这一延迟的主要原因是缺乏一个通用的参考框架，域依赖，共享数据的安全问题，数字孪生对其他技术的依赖，以及缺乏量化指标。我们定义了一个通用参考框架所需的数字孪生的必要组成部分，这也验证了它作为一个概念与模拟，自治系统等类似概念相比的独特性。这项工作进一步评估了数字孪生在不同领域的应用以及机器学习和大数据的现状。因此，它回答并识别了新的研究问题，这两项研究将有助于更好地理解和推进数字孪生的理论和实践。
2020-12-04 cs.LG cs.SE
A Probabilistic Graphical Model Foundation for Enabling Predictive Digital Twins at Scale
Massachusetts Institute of Technology（麻省理工学院）；The Jessara Group（杰萨拉集团）；University of Texas at Austin（德克萨斯大学奥斯汀分校）
需要一个统一的数学公式，从通过自定义实现构建的一次性数字孪生转变为大规模的健壮数字孪生实现。这项工作提出了一个概率图形模型作为一个正式的数学表示的数字孪生及其相关的物理资产。我们创建了一个抽象的资产孪生系统作为一组耦合的动态系统，随着时间的推移，通过各自的状态空间和相互作用，通过观察到的数据和控制输入。这个耦合系统的概率图形模型的正式定义，使我们能够借鉴完善的理论和方法，从贝叶斯统计，动力系统和控制理论。所提出的数字孪生模型的声明性和一般性使其既严格又灵活，使其能够在各种应用领域中大规模应用。我们演示了如何实例化的模型，使结构数字孪生的无人机（UAV）。数字孪生使用来自物理UAV资产的实验数据进行校准。然后在一个合成的例子中说明了它在动态决策中的使用，其中无人机经历了飞行中的损坏事件和数字孪生使用传感器数据动态更新。图形模型基础确保数字孪生校准和更新过程是原则性的、统一的，并且能够扩展到整个数字孪生队列。
2021-04-13 cs.AI cs.CE cs.LG
Evidence-based Prescriptive Analytics, CAUSAL Digital Twin and a Learning Estimation Algorithm
Jin Innovation
基于证据的规范性分析（EbPA）是必要的，以确定最佳的运营设定点，将提高业务生产力。EbPA是对因果数字孪生（CDT）的假设分析和反事实实验的结果，这些实验量化了连接资产系统中的因果关系。我们描述了因果关系和因果图的基础知识，并开发了一个学习因果数字孪生（LCDT）解决方案;我们的算法使用了一个简单的递归神经网络，并结合了因果图模拟的一些创新修改。由于LCDT是一个学习型数字孪生模型，其参数是通过最少的预配置实时在线学习的，因此部署数字孪生模型的工作将大大简化。使用轴承系统的真实振动数据进行了LCDT的原理验证;因果因素估计、假设分析研究和反事实实验的结果非常令人鼓舞。
2021-04-12 cs.LG cs.SY eess.SY
Digital twins of nonlinear dynamical systems: A perspective
Arizona State University（亚利桑那州立大学）
本文从视角性论述出发，探讨非线性动力系统数字孪生的构建，重点介绍稀疏优化和机器学习两种方法，旨在实现系统演化预测、灾难预警与最优控制干预。
2023-09-20 cs.LG math.DS nlin.CD
A Review of Digital Twins and their Application in Cybersecurity based on Artificial Intelligence
Universidad de Extremadura（埃斯特雷马杜拉大学）
本综述探讨数字孪生技术及其与人工智能的集成，用于提升各行业数字平台的网络安全，并分析相关风险，为网络安全研究提供路线图。
2023-11-02 cs.AI cs.CR cs.LG
Advanced Transient Diagnostic with Ensemble Digital Twin Modeling
North Carolina State University（北卡罗来纳州立大学）
使用机器学习（ML）模型作为数字孪生模型来代替系统代码进行降阶建模（ROM）在过去几年中越来越受到关注。然而，由于核反应堆瞬态的复杂性和非线性性质以及所需的大量任务，单个ML模型无法概括所有任务。在本文中，我们将特定问题的数字孪生ML模型与集成相结合，以增强预测结果。合奏还利用间接概率跟踪方法的替代状态变量，以产生准确的预测不可观测的安全目标。这种独特的方法称为Ensemble诊断数字孪生模型（EDDM），它不仅可以从合并的诊断数字孪生模型中选择最合适的预测，而且可以减少与训练相关的泛化误差。
2022-05-23 cs.LG cs.SY eess.SY
Cognitive Ledger Project: Towards Building Personal Digital Twins Through Cognitive Blockchain
Humind Labs
Cognitive Ledger Project提出以认知区块链为核心的认知架构，通过模块化系统将用户数字活动转化为可复用知识与AI能力，探索构建用户个人认知数字孪生的路径。
2023-06-15 cs.AI cs.HC cs.LG
Optimizing a Digital Twin for Fault Diagnosis in Grid Connected Inverters -- A Bayesian Approach
Centre Tecnològic de Telecomunicacions de Catalunya（加泰罗尼亚电信技术中心）；Aalborg University（奥尔堡大学）；LUT University（拉彭兰塔工业大学）
本文提出了一种基于超参数整定的贝叶斯优化数字孪生模型，用于诊断并网逆变器的各种故障。由于故障检测和诊断需要非常高的精度，我们将我们的努力引导到数字双胞胎的在线优化上，这反过来又允许在有限的数据量下灵活实施。因此，所提出的框架不仅成为有限数据的数字孪生设计的模型版本化和部署的实用解决方案，而且还允许集成深度学习工具以提高超参数调整能力。对于分类性能评估，我们考虑不同的故障情况下，在虚拟同步发电机（VSG）控制的并网转换器，并证明我们的方法的有效性。我们的研究结果表明，我们的数字孪生设计实现了更高的准确性和保真度水平，克服了传统超参数调整方法的缺点。
2022-12-07 cs.LG cs.SY eess.SY
Hybrid Digital Twin for process industry using Apros simulation environment
Aalto University（阿尔托大学）；Semantum Oy（Semantum 公司）；VTT Technical Research Centre of Finland Ltd（芬兰国家技术研究中心）
建立一个更新的竣工模型在过程工厂的生命周期中起着重要的作用。特别是，数字孪生模型必须是精确的，以保证系统的效率和可靠性。数据驱动模型可以通过考虑不确定性和生命周期相关变化来模拟子系统的最新行为。本文提出了一个逐步的概念，混合数字孪生模型的过程工厂使用早期实现的原型作为一个例子。它将详细介绍使用过程设备的数据驱动模型更新棕地过程系统的第一性原理模型和数字孪生的步骤。还将讨论生成竣工混合数字孪生的挑战。借助过程历史数据来教授机器学习模型，所实施的数字孪生可以随着时间的推移不断改进，并且可以进一步优化正在进行的工作。
2021-12-03 cs.AI cs.LG cs.SY
Stochastic Formulation of Causal Digital Twin: Kalman Filter Algorithm
我们为不同类型的数字孪生提供了一些基本和合理的定义，并就何时以及如何使用它们提出了建议。跟进我们最近出版的学习因果数字孪生，本文报道了一个随机制定和解决问题。将用于因果关系估计的结构向量自回归模型（SVAR）转化为状态空间模型。卡尔曼滤波器（和平滑），然后估计因果关系的因素，在一个系统的连接机器轴承。之前的神经网络算法和卡尔曼平滑器产生了非常相似的结果;然而，卡尔曼滤波器/平滑器可能对来自工业物联网源的噪声数据表现出更好的性能。
2021-05-11 cs.LG cs.SY eess.SY
Digital Twins for Marine Operations: A Brief Review on Their Implementation
Queen’s University Belfast（贝尔法斯特女王大学）；National Chiao Tung University (NCTU)（国立交通大学）；National Yang Ming Chiao Tung University (NYCU)（国立阳明交通大学）
虽然支持海上行动的数字孪生概念在预测性维护、实时监控、控制和整体流程优化方面越来越受到关注，但文献中缺乏对其实施的明确性。因此，在这篇综述中，我们展示了不同的作者如何实现他们的数字双胞胎，讨论了我们的研究结果，并最终对未来的研究方向提出了见解。
2023-01-16 cs.LG cs.SE cs.SY
Mixed Reality Interface for Digital Twin of Plant Factory
Imagination Garden Inc.（Imagination Garden公司）
植物工厂的数字孪生需要更简单、直观的界面架构。我建议为智能农业的数字孪生模型提供一个沉浸式和交互式的混合现实界面，用于远程工作，而不是模拟组件。该环境由UI显示器和流式背景场景构成，流式背景场景是从位于植物工厂中的摄像机设备拍摄的实时的场景，用可变形的神经辐射场处理。用户可以使用HMD或基于混合现实环境的2D显示器来监控远程工厂设施。本文还介绍了详细的概念，并描述了系统架构，以实现建议的混合现实接口。
2022-10-29 cs.HC cs.LG cs.MM
Autonomous Cooking with Digital Twin Methodology
Technical University of Darmstadt（达姆施塔特工业大学）
本文介绍了一种基于数字孪生方法的自主烹饪过程的概念。它提出了一种基于物理的全阶仿真的混合方法，然后是一个数据驱动的系统辨识过程，具有低误差。它使数字孪生的超实时模拟在设备级别上变得可行，而无需云或高性能计算。这一概念普遍适用于各种物理过程。
2022-09-07 cs.CE cs.LG math.DS
Real-Time Digital Twins: Vision and Research Directions for 6G and Beyond
Arizona State University（亚利桑那州立大学）
本文提出了一个愿景，其中物理无线环境的\textit{real-time}数字孪生模型使用来自分布式基础设施和用户设备的多模态感知数据不断更新，并用于制定通信和感知决策。这一愿景主要得益于精确的3D地图、多模态传感、光线跟踪计算和机器/深度学习的进步。本文详细介绍了这一愿景，解释了构建和利用这些实时数字孪生的不同方法，讨论了应用和开放问题，并提出了一个研究平台，可用于调查各种数字孪生研究方向。
2023-01-26 cs.IT cs.LG eess.SP
Generating Digital Twins with Multiple Sclerosis Using Probabilistic Neural Networks
Unlearn.AI, Inc.（Unlearn.AI公司）
多发性硬化症（MS）是一种神经退行性疾病，其特征在于一组复杂的临床评估。我们使用一种称为条件限制玻尔兹曼机（CRBM）的无监督机器学习模型来学习通常用于表征MS临床试验中受试者及其疾病进展的协变量之间的关系。CRBM能够生成数字孪生，数字孪生是具有与实际受试者相同的基线数据的模拟受试者。数字双胞胎允许对疾病进展进行受试者水平的统计分析。CRBM是使用来自2395名受试者的数据进行训练的，这些受试者参加了MS三种主要亚型的临床试验的安慰剂组。我们讨论了CRBM是如何训练的，并表明该模型生成的数字双胞胎在统计学上与实际受试者的数据在许多方面没有区别。
2020-04-19 cs.LG q-bio.QM stat.ML
Leveraging Deep Learning and Digital Twins to Improve Energy Performance of Buildings
Linköping University（林雪平大学）；University of Gothenburg（哥德堡大学）
本文提出 Deep Energy Twin，融合本体驱动的参数化数字孪生与深度学习分析建筑运行数据，并通过瑞典历史建筑案例比较前沿模型的能源预测性能。
2023-05-16 cs.LG cs.SY eess.SY
Diagnostic Digital Twin for Anomaly Detection in Floating Offshore Wind Energy
Norwegian University of Science and Technology（挪威科技大学）；SINTEF Digital（SINTEF数字研究院）
本文针对浮式海上风力涡轮机提出并实现了诊断数字孪生概念，结合实时数据与无监督学习方法构建正常运行模型以检测异常和诊断故障，并在故障发生前数小时成功预警，为海上资产的维护与寿命提升提供了可推广方案。
2024-06-04 cs.AI cs.ET cs.LG
Digital twin with automatic disturbance detection for real-time optimization of a semi-autogenous grinding (SAG) mill
Brunel University London（布鲁内尔大学）；Universidad Técnica Federico Santa María（费德里科圣玛丽亚技术大学）；SGS Minerals（SGS矿业公司）
本研究开发了带自动扰动检测的SAG磨机数字孪生，由模糊逻辑、状态空间模型和循环神经网络构成，经训练验证可短期预测磨机行为，为实时优化提供支撑。
2024-07-10 cs.LG cs.SY eess.SY
Empowering Cognitive Digital Twins with Generative Foundation Models: Developing a Low-Carbon Integrated Freight Transportation System
University of Tennessee, Knoxville（田纳西大学诺克斯维尔分校）；Oak Ridge National Laboratory（橡树岭国家实验室）
本文提出利用生成式 AI 和基于 transformer 的基础模型增强城市认知数字孪生，并以货运脱碳为例构建低碳一体化货运优化框架。
2024-10-08 cs.AI cs.CY cs.LG
