論文の概要: Constructing and Evaluating Digital Twins: An Intelligent Framework for DT Development
- arxiv url: http://arxiv.org/abs/2406.13145v1
- Date: Wed, 19 Jun 2024 01:45:18 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-21 23:38:44.258904
- Title: Constructing and Evaluating Digital Twins: An Intelligent Framework for DT Development
- Title（参考訳）: ディジタルツインの構築と評価 - DT開発のためのインテリジェントフレームワーク
- Authors: Longfei Ma, Nan Cheng, Xiucheng Wang, Jiong Chen, Yinjun Gao, Dongxiao Zhang, Jun-Jie Zhang,
- Abstract要約: デジタルツインズ(DT)の開発は、制御されたデジタル空間における複雑なシステムをシミュレートし最適化するための変革的な進歩を表している。
本稿では,アルゴリズム性能試験におけるDTの精度と有用性を高めるために,DTの構築と評価のためのインテリジェントなフレームワークを提案する。
本稿では,Deep Learning-based policy gradient techniqueを統合してDTパラメータを動的に調整し,物理システムのデジタル複製における高い忠実性を確保する手法を提案する。
- 参考スコア（独自算出の注目度）: 11.40908718824589
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The development of Digital Twins (DTs) represents a transformative advance for simulating and optimizing complex systems in a controlled digital space. Despite their potential, the challenge of constructing DTs that accurately replicate and predict the dynamics of real-world systems remains substantial. This paper introduces an intelligent framework for the construction and evaluation of DTs, specifically designed to enhance the accuracy and utility of DTs in testing algorithmic performance. We propose a novel construction methodology that integrates deep learning-based policy gradient techniques to dynamically tune the DT parameters, ensuring high fidelity in the digital replication of physical systems. Moreover, the Mean STate Error (MSTE) is proposed as a robust metric for evaluating the performance of algorithms within these digital space. The efficacy of our framework is demonstrated through extensive simulations that show our DT not only accurately mirrors the physical reality but also provides a reliable platform for algorithm evaluation. This work lays a foundation for future research into DT technologies, highlighting pathways for both theoretical enhancements and practical implementations in various industries.
- Abstract（参考訳）: デジタルツイン(DT)の開発は、制御されたデジタル空間における複雑なシステムをシミュレートし最適化するための変革的な進歩を表している。
これらの可能性にもかかわらず、現実のシステムの力学を正確に再現し、予測するDTを構築するという課題は、依然として深刻である。
本稿では,アルゴリズム性能試験におけるDTの精度と有用性を高めるために,DTの構築と評価のためのインテリジェントなフレームワークを提案する。
本稿では,Deep Learning-based policy gradient techniqueを統合してDTパラメータを動的に調整し,物理システムのデジタル複製における高い忠実性を確保する手法を提案する。
さらに,これらのデジタル空間におけるアルゴリズムの性能を評価するために,MSTE(Mean STate Error)を提案する。
我々のフレームワークの有効性は、DTが物理的現実を正確に反映するだけでなく、アルゴリズム評価のための信頼性の高いプラットフォームを提供することを示す広範囲なシミュレーションによって実証される。
この研究は将来のDT技術研究の基礎を築き、様々な産業における理論的強化と実践的実装の両方の道のりを強調している。
関連論文リスト
- Towards an Extensible Model-Based Digital Twin Framework for Space Launch Vehicles [12.153961316909852]
Digital Twin(DT)の概念は、ドメイン間の異なる抽象化レベルにあるシステムにますます適用されています。
DTの定義は明確ではなく、DTの能力を完全に実現するための明確な経路も存在しない。
本稿では,モデルに基づくDT開発手法を提案するDT成熟度行列を提案する。
論文 参考訳（メタデータ） (2024-06-04T11:31:00Z) - 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) - Multi-Tier Computing-Enabled Digital Twin in 6G Networks [50.236861239246835]
産業4.0では、製造業、自動車、医療などの産業がDTベースの開発を急速に採用している。
これまでの主な課題は、通信とコンピューティングリソースに対する高い要求と、プライバシとセキュリティに関する懸念だった。
新たなDTで低レイテンシと高セキュリティを実現するため,エッジ/フォグコンピューティングとクラウドコンピューティングを組み合わせたマルチ層コンピューティングが提案されている。
論文 参考訳（メタデータ） (2023-12-28T13:02:53Z) - 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) - 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) - Reinforcement Learning with Human Feedback for Realistic Traffic
Simulation [53.85002640149283]
効果的なシミュレーションの鍵となる要素は、人間の知識と整合した現実的な交通モデルの導入である。
本研究では,現実主義に対する人間の嗜好のニュアンスを捉えることと,多様な交通シミュレーションモデルを統合することの2つの主な課題を明らかにする。
論文 参考訳（メタデータ） (2023-09-01T19:29:53Z) - Enabling Spatial Digital Twins: Technologies, Challenges, and Future
Research Directions [13.210510790794006]
デジタルツイン(Digital Twin, DT)は、物理オブジェクトやシステムの仮想レプリカであり、その動作と特性を監視し、分析し、最適化するために作成される。
空間デジタル双生児 (SDT) は、物理的実体の地理空間的側面を強調する特定のタイプのデジタル双生児である。
我々は,SDTを階層化して構築する際の空間技術について,初めて体系的に解析を行った。
論文 参考訳（メタデータ） (2023-06-11T06:28:44Z) - Causal Semantic Communication for Digital Twins: A Generalizable
Imitation Learning Approach [74.25870052841226]
デジタルツイン(DT)は、物理世界の仮想表現と通信(例えば6G)、コンピュータ、人工知能(AI)技術を活用して、多くの接続されたインテリジェンスサービスを実現する。
無線システムは、厳密な通信制約下での情報意思決定を容易にするために意味コミュニケーション(SC)のパラダイムを利用することができる。
DTベースの無線システムでは,因果意味通信(CSC)と呼ばれる新しいフレームワークが提案されている。
論文 参考訳（メタデータ） (2023-04-25T00:15:00Z) - On Robust Numerical Solver for ODE via Self-Attention Mechanism [82.95493796476767]
我々は,内在性雑音障害を緩和し,AIによって強化された数値解法を,データサイズを小さくする訓練について検討する。
まず,教師付き学習における雑音を制御するための自己認識機構の能力を解析し,さらに微分方程式の数値解に付加的な自己認識機構を導入し,簡便かつ有効な数値解法であるAttrを提案する。
論文 参考訳（メタデータ） (2023-02-05T01:39:21Z) - Digital Twin: From Concept to Practice [1.3633989508250934]
本稿では,デジタルツインにおいて,実践者が適切なレベルの高度化を選択するためのフレームワークを提案する。
実生活における3つのケーススタディは、フレームワークの適用と有用性を示している。
論文 参考訳（メタデータ） (2022-01-14T17:41:26Z) - Digital Twins: State of the Art Theory and Practice, Challenges, and
Open Research Questions [62.67593386796497]
この研究は、様々なDT機能と現在のアプローチ、デジタルツインの実装と導入の遅れの背景にある欠点と理由を探求する。
この遅延の主な理由は、普遍的な参照フレームワークの欠如、ドメイン依存、共有データのセキュリティ上の懸念、デジタルツインの他の技術への依存、定量的メトリクスの欠如である。
論文 参考訳（メタデータ） (2020-11-02T19:08:49Z)
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。