論文の概要: Continuous-Time Digital Twin with Analogue Memristive Neural Ordinary Differential Equation Solver
- arxiv url: http://arxiv.org/abs/2406.08343v1
- Date: Wed, 12 Jun 2024 15:50:35 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-13 16:06:55.930828
- Title: Continuous-Time Digital Twin with Analogue Memristive Neural Ordinary Differential Equation Solver
- Title（参考訳）: アナログ機械式ニューラルディファレンシャル方程式を用いた連続時間ディジタルツイン
- Authors: Hegan Chen, Jichang Yang, Jia Chen, Songqi Wang, Shaocong Wang, Dingchen Wang, Xinyu Tian, Yifei Yu, Xi Chen, Yinan Lin, Yangu He, Xiaoshan Wu, Yi Li, Xinyuan Zhang, Ning Lin, Meng Xu, Yi Li, Xumeng Zhang, Zhongrui Wang, Han Wang, Dashan Shang, Qi Liu, Kwang-Ting Cheng, Ming Liu,
- Abstract要約: デジタル双生児(Digital twins)は、産業4.0の基盤であり、コンピュータモデルを通して現実世界の実体を再現する。
機械学習の最近の進歩は、デジタルツインを開発するためのデータ駆動方式を提供する。
本稿では,デジタル双生児のための経験的ニューラル常微分方程式解法を提案する。
- 参考スコア（独自算出の注目度）: 32.092112495189156
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Digital twins, the cornerstone of Industry 4.0, replicate real-world entities through computer models, revolutionising fields such as manufacturing management and industrial automation. Recent advances in machine learning provide data-driven methods for developing digital twins using discrete-time data and finite-depth models on digital computers. However, this approach fails to capture the underlying continuous dynamics and struggles with modelling complex system behaviour. Additionally, the architecture of digital computers, with separate storage and processing units, necessitates frequent data transfers and Analogue-Digital (A/D) conversion, thereby significantly increasing both time and energy costs. Here, we introduce a memristive neural ordinary differential equation (ODE) solver for digital twins, which is capable of capturing continuous-time dynamics and facilitates the modelling of complex systems using an infinite-depth model. By integrating storage and computation within analogue memristor arrays, we circumvent the von Neumann bottleneck, thus enhancing both speed and energy efficiency. We experimentally validate our approach by developing a digital twin of the HP memristor, which accurately extrapolates its nonlinear dynamics, achieving a 4.2-fold projected speedup and a 41.4-fold projected decrease in energy consumption compared to state-of-the-art digital hardware, while maintaining an acceptable error margin. Additionally, we demonstrate scalability through experimentally grounded simulations of Lorenz96 dynamics, exhibiting projected performance improvements of 12.6-fold in speed and 189.7-fold in energy efficiency relative to traditional digital approaches. By harnessing the capabilities of fully analogue computing, our breakthrough accelerates the development of digital twins, offering an efficient and rapid solution to meet the demands of Industry 4.0.
- Abstract（参考訳）: デジタル双生児(Digital twins)は、産業4.0の基盤であり、コンピュータモデルを通じて現実世界の実体を再現し、製造管理や産業自動化といった分野に革命をもたらした。
機械学習の最近の進歩は、デジタルコンピュータ上の離散時間データと有限深度モデルを用いて、デジタル双生児を開発するためのデータ駆動手法を提供する。
しかし、このアプローチは根底にある連続力学を捉えることに失敗し、複雑なシステムの振る舞いをモデル化するのに苦労する。
さらに、異なるストレージと処理ユニットを持つデジタルコンピュータのアーキテクチャは、頻繁なデータ転送とAnalogue-Digital(A/D)変換を必要とし、時間とエネルギーの両方のコストを大幅に増加させる。
本稿では, 連続時間ダイナミクスを捕捉し, 無限深度モデルを用いた複雑なシステムのモデリングを容易にする, ディジタル双極子に対する経験的ニューラル常微分方程式(ODE)ソルバを提案する。
アナログメムリスタアレイに記憶と計算を統合することで、フォン・ノイマンのボトルネックを回避し、速度とエネルギー効率を両立させる。
我々は,HP memristorのディジタルツインを開発し,その非線形力学を正確に外挿し,最新のディジタルハードウェアと比較して4.2倍の予測速度と41.4倍の予測エネルギーの減少を実現し,許容可能な誤差マージンを維持しながら,我々のアプローチを実験的に検証した。
さらに,ロレンツ96の動的シミュレーションによるスケーラビリティを実証し,従来のディジタル手法と比較して,12.6倍,189.7倍の性能向上が期待できることを示した。
完全アナログコンピューティングの能力を活用することで、我々のブレークスルーはデジタル双生児の開発を加速し、産業4.0の要求を満たすための効率的かつ迅速なソリューションを提供する。
関連論文リスト
- Empowering Cognitive Digital Twins with Generative Foundation Models: Developing a Low-Carbon Integrated Freight Transportation System [6.87702244676681]
我々は,リアルタイム認識,予測分析,都市ロジスティクス最適化のためのデジタルツインを開発した。
生成AIの最近の進歩は、デジタル双生児を合理化する新しい機会を提供する。
都市型デジタルツインを強化するためにトランスフォーマーに基づく言語モデルを用いた概念的枠組みを提案する。
論文 参考訳（メタデータ） (2024-10-08T05:53:20Z) - Sustainable Diffusion-based Incentive Mechanism for Generative AI-driven Digital Twins in Industrial Cyber-Physical Systems [65.22300383287904]
産業用サイバー物理システム(ICPS)は、現代の製造業と産業にとって不可欠なコンポーネントである。
製品ライフサイクルを通じてデータをデジタル化することにより、ICPSのDigital Twins(DT)は、現在の産業インフラからインテリジェントで適応的なインフラへの移行を可能にします。
GenAIはDTの構築と更新を推進し、予測精度を改善し、多様なスマート製造に備える。
論文 参考訳（メタデータ） (2024-08-02T10:47:10Z) - Resistive Memory-based Neural Differential Equation Solver for Score-based Diffusion Model [55.116403765330084]
スコアベースの拡散のような現在のAIGC法は、迅速性と効率性の点で依然として不足している。
スコアベース拡散のための時間連続型およびアナログ型インメモリ型ニューラル微分方程式解法を提案する。
我々は180nmの抵抗型メモリインメモリ・コンピューティング・マクロを用いて,我々の解を実験的に検証した。
論文 参考訳（メタデータ） (2024-04-08T16:34:35Z) - 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) - Random resistive memory-based deep extreme point learning machine for
unified visual processing [67.51600474104171]
ハードウェア・ソフトウェア共同設計型, ランダム抵抗型メモリベース深部極点学習マシン(DEPLM)を提案する。
我々の共同設計システムは,従来のシステムと比較して,エネルギー効率の大幅な向上とトレーニングコストの削減を実現している。
論文 参考訳（メタデータ） (2023-12-14T09:46:16Z) - Enabling Automated Integration Testing of Smart Farming Applications via
Digital Twin Prototypes [49.44419860570116]
産業4.0とスマート農業は密接に関連しており、産業4.0でもスマート農業に使われている技術の多くが使用されている。
デジタルツインは、そのようなアプリケーションのコスト効率の良いソフトウェア開発の可能性を秘めている。
本稿では,ソフトウェアの自動テストにDigital Twin Prototypeアプローチを採用するケーススタディを提案する。
論文 参考訳（メタデータ） (2023-11-09T21:24:12Z) - 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) - On Fast Simulation of Dynamical System with Neural Vector Enhanced
Numerical Solver [59.13397937903832]
ニューラルベクトル(NeurVec)と呼ばれる深層学習に基づく補正手法を提案する。
NeurVecは、統合エラーを補償し、シミュレーションでより大きなタイムステップサイズを可能にする。
様々な複雑な力学系ベンチマークの実験により、NeurVecは顕著な一般化能力を示すことが示された。
論文 参考訳（メタデータ） (2022-08-07T09:02:18Z) - Digital Twin Data Modelling by Randomized Orthogonal Decomposition and Deep Learning [0.0]
デジタルツインは、元のプロセスの振る舞いを反映する主な特徴を持つ代理モデルである。
本稿では,流体の効率的なディジタル双対モデルを作成するための新しい枠組みを提案する。
我々は、最先端の人工知能Deep Learning(DL)を用いて、ディジタルツインモデルのリアルタイム適応キャリブレーションを行う。
論文 参考訳（メタデータ） (2022-06-17T09:45:04Z) - 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) - The role of surrogate models in the development of digital twins of
dynamic systems [0.0]
デジタルツイン技術は、幅広い応用可能性の約束、関連性、可能性を秘めている。
デジタルツインはデータと計算手法を活用することが期待されている。
我々は,デジタルツイン技術における代理モデルの利用の可能性について検討した。
論文 参考訳（メタデータ） (2020-01-25T10:48:35Z)
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。