論文の概要: Hybrid analysis and modeling, eclecticism, and multifidelity computing
toward digital twin revolution
- arxiv url: http://arxiv.org/abs/2103.14629v1
- Date: Fri, 26 Mar 2021 17:43:44 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-29 13:40:17.130104
- Title: Hybrid analysis and modeling, eclecticism, and multifidelity computing
toward digital twin revolution
- Title(参考訳): ディジタル双対革命に向けたハイブリッド解析とモデリング、エクレクティシズム、多忠実コンピューティング
- Authors: Omer San, Adil Rasheed, Trond Kvamsdal
- Abstract要約: i)データ駆動モデルの開発における信頼性と一般化の課題、および(ii)インターフェイス学習と多元結合アプローチのシームレスな統合について検討する。
これらの課題に対処することで、科学と工学のアプリケーションのためのデジタルツイン技術の革命が可能になります。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Most modeling approaches lie in either of the two categories: physics-based
or data-driven. Recently, a third approach which is a combination of these
deterministic and statistical models is emerging for scientific applications.
To leverage these developments, our aim in this perspective paper is centered
around exploring numerous principle concepts to address the challenges of (i)
trustworthiness and generalizability in developing data-driven models to shed
light on understanding the fundamental trade-offs in their accuracy and
efficiency, and (ii) seamless integration of interface learning and
multifidelity coupling approaches that transfer and represent information
between different entities, particularly when different scales are governed by
different physics, each operating on a different level of abstraction.
Addressing these challenges could enable the revolution of digital twin
technologies for scientific and engineering applications.
- Abstract(参考訳): ほとんどのモデリングアプローチは、物理ベースとデータ駆動の2つのカテゴリに分かれている。
近年,これらの決定論的モデルと統計モデルを組み合わせた第3のアプローチが科学的応用に現れつつある。
To leverage these developments, our aim in this perspective paper is centered around exploring numerous principle concepts to address the challenges of (i) trustworthiness and generalizability in developing data-driven models to shed light on understanding the fundamental trade-offs in their accuracy and efficiency, and (ii) seamless integration of interface learning and multifidelity coupling approaches that transfer and represent information between different entities, particularly when different scales are governed by different physics, each operating on a different level of abstraction.
これらの課題に対処することで、科学と工学の応用のためのデジタルツイン技術の革新が可能になる。
関連論文リスト
- Collaborative Imputation of Urban Time Series through Cross-city Meta-learning [54.438991949772145]
メタ学習型暗黙的ニューラル表現(INR)を利用した新しい協調的計算パラダイムを提案する。
次に,モデルに依存しないメタ学習による都市間協調学習手法を提案する。
20のグローバル都市から得られた多様な都市データセットの実験は、我々のモデルの優れた計算性能と一般化可能性を示している。
論文 参考訳(メタデータ) (2025-01-20T07:12:40Z) - A Survey of World Models for Autonomous Driving [63.33363128964687]
自律運転の最近の進歩は、堅牢な世界モデリングの進歩によって推進されている。
本稿では、自律運転の世界モデルにおける最近の進歩を体系的にレビューする。
論文 参考訳(メタデータ) (2025-01-20T04:00:02Z) - Fusing Physics-Driven Strategies and Cross-Modal Adversarial Learning: Toward Multi-Domain Applications [0.0]
クロスモーダルな敵対的学習と物理駆動の手法は、科学計算における課題に対処するための最先端の方向を表す。
このレビューでは、これらの2つのアプローチを相乗的に統合して、さまざまなアプリケーションドメインのパフォーマンスと堅牢性を高める方法について分析する。
論文 参考訳(メタデータ) (2024-11-30T03:47:17Z) - HEMM: Holistic Evaluation of Multimodal Foundation Models [91.60364024897653]
マルチモーダル・ファンデーション・モデルは、画像、ビデオ、オーディオ、その他の知覚モダリティと共にテキストをホリスティックに処理することができる。
モデリング決定、タスク、ドメインの範囲を考えると、マルチモーダル基盤モデルの進歩を特徴づけ、研究することは困難である。
論文 参考訳(メタデータ) (2024-07-03T18:00:48Z) - Learning Paradigms and Modelling Methodologies for Digital Twins in Process Industry [1.1060425537315088]
デジタルツイン(Digital Twins、DT)は、センサーデータと高度なデータベースまたは物理ベースのモデル、あるいはその組み合わせを組み合わせた物理製造システムの仮想レプリカで、プロセス監視、予測制御、意思決定支援など、さまざまな産業関連タスクに対処する。
DTのバックボーン、すなわち、これらのモデルをサポートする具体的なモデリング方法論とアーキテクチャフレームワークは、複雑で多様性があり、急速に進化し、最新の最先端の手法と競争の激しい市場のトップに留まる傾向を徹底的に理解する必要がある。
論文 参考訳(メタデータ) (2024-07-02T14:05:10Z) - Enhanced multi-fidelity modelling for digital twin and uncertainty
quantification [0.0]
データ駆動モデルは、リアルタイムのアップデートと予測を可能にするデジタルツインにおいて重要な役割を果たす。
利用可能なデータの忠実さと正確なセンサーデータの不足は、しばしば代理モデルの効率的な学習を妨げる。
本稿では,ロバストなマルチフィデリティ・サロゲートモデルの開発から始まる新しいフレームワークを提案する。
論文 参考訳(メタデータ) (2023-06-26T05:58:17Z) - Foundations and Recent Trends in Multimodal Machine Learning:
Principles, Challenges, and Open Questions [68.6358773622615]
本稿では,マルチモーダル機械学習の計算的基礎と理論的基礎について概説する。
本稿では,表現,アライメント,推論,生成,伝達,定量化という,6つの技術課題の分類法を提案する。
最近の技術的成果は、この分類のレンズを通して示され、研究者は新しいアプローチの類似点と相違点を理解することができる。
論文 参考訳(メタデータ) (2022-09-07T19:21:19Z) - A Comprehensive Review of Digital Twin -- Part 2: Roles of Uncertainty
Quantification and Optimization, a Battery Digital Twin, and Perspectives [11.241244950889886]
第2報は,デジタル双生児の重要な実現技術に関する文献レビューである。
第3報では,バッテリディジタルツインを構築,試験して,モデリングおよびツインニング手法のいくつかを概説するケーススタディを提案する。
論文 参考訳(メタデータ) (2022-08-27T01:36:15Z) - Exploring the Trade-off between Plausibility, Change Intensity and
Adversarial Power in Counterfactual Explanations using Multi-objective
Optimization [73.89239820192894]
自動対物生成は、生成した対物インスタンスのいくつかの側面を考慮すべきである。
本稿では, 対実例生成のための新しい枠組みを提案する。
論文 参考訳(メタデータ) (2022-05-20T15:02:53Z) - Constructing Neural Network-Based Models for Simulating Dynamical
Systems [59.0861954179401]
データ駆動モデリングは、真のシステムの観測からシステムの力学の近似を学ぼうとする代替パラダイムである。
本稿では,ニューラルネットワークを用いた動的システムのモデル構築方法について検討する。
基礎的な概要に加えて、関連する文献を概説し、このモデリングパラダイムが克服すべき数値シミュレーションから最も重要な課題を概説する。
論文 参考訳(メタデータ) (2021-11-02T10:51:42Z) - Physics-informed learning of governing equations from scarce data [14.95055620484844]
本研究は, 偏微分方程式(PDE)を, 希少かつノイズの多い表現データから検出する物理インフォームド・ディープラーニング・フレームワークを提案する。
本手法の有効性とロバスト性は, 数値的にも実験的にも, 種々のPDEシステムの発見において実証される。
結果として得られる計算フレームワークは、実用的な応用における閉形式モデル発見の可能性を示している。
論文 参考訳(メタデータ) (2020-05-05T22:13:22Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。