論文の概要: Decentralized digital twins of complex dynamical systems
- arxiv url: http://arxiv.org/abs/2207.12245v1
- Date: Thu, 7 Jul 2022 19:44:42 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-31 14:49:46.189047
- Title: Decentralized digital twins of complex dynamical systems
- Title(参考訳): 複素力学系の分散ディジタル双生児
- Authors: Omer San, Suraj Pawar, Adil Rasheed
- Abstract要約: 動的システムのための分散双対(DDT)フレームワークを提案する。
計算科学・工学応用におけるDDTパラダイムの展望について論じる。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we introduce a decentralized digital twin (DDT) framework for
dynamical systems and discuss the prospects of the DDT modeling paradigm in
computational science and engineering applications. The DDT approach is built
on a federated learning concept, a branch of machine learning that encourages
knowledge sharing without sharing the actual data. This approach enables
clients to collaboratively learn an aggregated model while keeping all the
training data on each client. We demonstrate the feasibility of the DDT
framework with various dynamical systems, which are often considered prototypes
for modeling complex transport phenomena in spatiotemporally extended systems.
Our results indicate that federated machine learning might be a key enabler for
designing highly accurate decentralized digital twins in complex nonlinear
spatiotemporal systems.
- Abstract(参考訳): 本稿では、動的システムのための分散デジタルツイン(DDT)フレームワークを導入し、計算科学および工学応用におけるDDTモデリングパラダイムの展望について論じる。
ddtのアプローチは、実際のデータを共有せずに知識共有を促進する機械学習の分野である、連合学習の概念に基づいている。
このアプローチにより、クライアントは、各クライアントにすべてのトレーニングデータを保持しながら、協調して集約モデルを学ぶことができる。
時空間拡張システムにおける複雑な輸送現象をモデル化するためのプロトタイプとして,様々な力学系を用いたDDTフレームワークの実現可能性を示す。
以上の結果から,複雑な非線形時空間システムにおいて,高精度な分散ディジタルツインを設計する上で,連合機械学習が鍵となる可能性が示唆された。
関連論文リスト
- From Digital Twins to Digital Twin Prototypes: Concepts, Formalization,
and Applications [55.57032418885258]
デジタル双対とは何かという合意的な定義は存在しない。
我々のデジタルツインプロトタイプ(DTP)アプローチは、組み込みソフトウェアシステムの開発と自動テストにおいて、エンジニアを支援します。
論文 参考訳(メタデータ) (2024-01-15T22:13:48Z) - Image-based Deep Learning for Smart Digital Twins: a Review [0.0]
スマートデジタルツイン(SDT)は、複雑な物理的システムの振る舞いを仮想的に再現し、予測するためにますます利用されている。
ディープラーニング(DL)モデルは、SDTの機能を大幅に強化した。
本稿では,画像ベースSDTの開発における様々なアプローチと課題について論じる。
論文 参考訳(メタデータ) (2024-01-04T20:17:25Z) - Digital Twin Framework for Optimal and Autonomous Decision-Making in
Cyber-Physical Systems: Enhancing Reliability and Adaptability in the Oil and
Gas Industry [0.0]
本研究は,石油・ガス産業におけるガスリフトプロセスに適用可能な,最適かつ自律的な意思決定のためのディジタルツインフレームワークを提案する。
このフレームワークは、ベイジアン推論、モンテカルロシミュレーション、トランスファーラーニング、オンライン学習、そしてDTに認知を与える新しい戦略を組み合わせたものである。
論文 参考訳(メタデータ) (2023-11-21T18:02:52Z) - Prospects of federated machine learning in fluid dynamics [0.0]
近年、機械学習は、データサイエンスの急速な発展により、流体コミュニティにルネッサンスを与えている。
本稿では,集約された共有予測モデルとの協調学習を可能にする,フェデレートされた機械学習手法を提案する。
本研究では、時間場再構築のための深層学習サロゲートモデルの構築をめざして、このような分散学習アプローチの実現可能性と展望を実証する。
論文 参考訳(メタデータ) (2022-08-15T06:15:04Z) - Capturing Actionable Dynamics with Structured Latent Ordinary
Differential Equations [68.62843292346813]
本稿では,その潜在表現内でのシステム入力の変動をキャプチャする構造付き潜在ODEモデルを提案する。
静的変数仕様に基づいて,本モデルではシステムへの入力毎の変動要因を学習し,潜在空間におけるシステム入力の影響を分離する。
論文 参考訳(メタデータ) (2022-02-25T20:00:56Z) - Automatic digital twin data model generation of building energy systems
from piping and instrumentation diagrams [58.720142291102135]
建物からP&IDのシンボルや接続を自動で認識する手法を提案する。
シンボル認識,線認識,およびデータセットへの接続の導出にアルゴリズムを適用する。
このアプローチは、制御生成、(分散)モデル予測制御、障害検出といった、さらなるプロセスで使用することができる。
論文 参考訳(メタデータ) (2021-08-31T15:09:39Z) - Multi-Robot Deep Reinforcement Learning for Mobile Navigation [82.62621210336881]
階層的統合モデル(HInt)を用いた深層強化学習アルゴリズムを提案する。
トレーニング時には、HIntは別々の知覚モデルとダイナミクスモデルを学び、テスト時には、HIntは2つのモデルを階層的な方法で統合し、統合モデルとアクションを計画する。
我々のモバイルナビゲーション実験は、HIntが従来の階層的ポリシーや単一ソースアプローチよりも優れていることを示している。
論文 参考訳(メタデータ) (2021-06-24T19:07:40Z) - Using Data Assimilation to Train a Hybrid Forecast System that Combines
Machine-Learning and Knowledge-Based Components [52.77024349608834]
利用可能なデータがノイズの多い部分測定の場合,カオスダイナミクスシステムのデータ支援予測の問題を検討する。
動的システムの状態の部分的測定を用いることで、不完全な知識ベースモデルによる予測を改善するために機械学習モデルを訓練できることを示す。
論文 参考訳(メタデータ) (2021-02-15T19:56:48Z) - A Probabilistic Graphical Model Foundation for Enabling Predictive
Digital Twins at Scale [0.0]
結合ダイナミクスシステムの集合として、アセットツインシステムの抽象化を作成します。
本研究では,無人航空機のディジタル双対構造を実現するために,モデルがどのようにインスタンス化されるかを実証する。
論文 参考訳(メタデータ) (2020-12-10T17:33:59Z) - Machine learning based digital twin for dynamical systems with multiple
time-scales [0.0]
デジタルツイン技術は、インフラ、航空宇宙、自動車といった様々な産業分野で広く応用される可能性がある。
ここでは、2つの異なる運用時間スケールで進化する線形単一自由度構造力学系のためのデジタルツインフレームワークに焦点を当てる。
論文 参考訳(メタデータ) (2020-05-12T15:33:25Z) - Learning Stable Deep Dynamics Models [91.90131512825504]
状態空間全体にわたって安定することが保証される力学系を学習するためのアプローチを提案する。
このような学習システムは、単純な力学系をモデル化することができ、複雑な力学を学習するために追加の深層生成モデルと組み合わせることができることを示す。
論文 参考訳(メタデータ) (2020-01-17T00:04:45Z)
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。