論文の概要: Empowering Cognitive Digital Twins with Generative Foundation Models: Developing a Low-Carbon Integrated Freight Transportation System

• arxiv url: http://arxiv.org/abs/2410.18089v1
• Date: Tue, 08 Oct 2024 05:53:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-27 05:41:06.480428
• Title: Empowering Cognitive Digital Twins with Generative Foundation Models: Developing a Low-Carbon Integrated Freight Transportation System
• Title（参考訳）: ファウンデーションモデルによる認知デジタル双生児の活用:低炭素統合貨物輸送システムの開発
• Authors: Xueping Li, Haowen Xu, Jose Tupayachi, Olufemi Omitaomu, Xudong Wang,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 6.87702244676681
• License:
• Abstract: Effective monitoring of freight transportation is essential for advancing sustainable, low-carbon economies. Traditional methods relying on single-modal data and discrete simulations fall short in optimizing intermodal systems holistically. These systems involve interconnected processes that affect shipping time, costs, emissions, and socio-economic factors. Developing digital twins for real-time awareness, predictive analytics, and urban logistics optimization requires extensive efforts in knowledge discovery, data integration, and multi-domain simulation. Recent advancements in generative AI offer new opportunities to streamline digital twin development by automating knowledge discovery and data integration, generating innovative simulation and optimization solutions. These models extend digital twins' capabilities by promoting autonomous workflows for data engineering, analytics, and software development. This paper proposes an innovative paradigm that leverages generative AI to enhance digital twins for urban research and operations. Using freight decarbonization as a case study, we propose a conceptual framework employing transformer-based language models to enhance an urban digital twin through foundation models. We share preliminary results and our vision for more intelligent, autonomous, and general-purpose digital twins for optimizing integrated freight systems from multimodal to synchromodal paradigms.
• Abstract（参考訳）: 持続可能な低炭素経済の進展には、貨物輸送の効果的な監視が不可欠である。 単一のモーダルデータと離散シミュレーションに依存する従来の手法は、モーダル間システムを一様に最適化するには不十分である。 これらのシステムには、出荷時間、コスト、排出、社会経済的要因に影響を与える相互接続プロセスが含まれる。 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の開発には、知識発見、データ統合、マルチドメインシミュレーションの幅広い取り組みが必要である。 生成AIの最近の進歩は、知識発見とデータ統合を自動化し、革新的なシミュレーションと最適化ソリューションを生成することによって、デジタルツイン開発を効率化する新たな機会を提供する。 これらのモデルは、データエンジニアリング、分析、ソフトウェア開発のための自律的なワークフローを促進することで、デジタルツインの能力を拡張します。 本稿では, 都市におけるデジタル双生児の育成に創造的AIを活用する, 革新的なパラダイムを提案する。 貨物脱炭を事例として,トランスフォーマーに基づく言語モデルを用いて基礎モデルによる都市デジタルツインを強化する概念的枠組みを提案する。 我々は、マルチモーダルからシンクロモーダルパラダイムへ統合された貨物システムを最適化するための、よりインテリジェントで自律的で汎用的なデジタルツインに対する予備的な結果とビジョンを共有します。

関連論文リスト

• Automatically Learning Hybrid Digital Twins of Dynamical Systems [56.69628749813084]
  Digital Twins (DT)は、現実世界のシステムの状態と時間力学をシミュレートする。 DTは、しばしばデータスカース設定で目に見えない条件に一般化するのに苦労します。 本稿では,HDTwinsを自律的に提案し,評価し,最適化するための進化的アルゴリズム(textbfHDTwinGen$)を提案する。
  論文  参考訳（メタデータ） (2024-10-31T07:28:22Z)
• 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で、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。 産業用IoT(Industrial Internet of Things, IIoT)デバイスを利用すれば、DTを構築するためのデータを共有するメカニズムは、悪い選択問題の影響を受けやすい。
  論文  参考訳（メタデータ） (2024-08-02T10:47:10Z)
• Continuous-Time Digital Twin with Analogue Memristive Neural Ordinary Differential Equation Solver [32.092112495189156]
  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。
  論文  参考訳（メタデータ） (2024-06-12T15:50:35Z)
• Sparse Attention-driven Quality Prediction for Production Process Optimization in Digital Twins [53.70191138561039]
  データ駆動方式で運用ロジックを符号化することで,生産ラインのディジタルツインをデプロイすることを提案する。 我々は,自己注意型時間畳み込みニューラルネットワークに基づく生産プロセスの品質予測モデルを採用する。 本手法は,本手法により,仮想及び実生産ライン間のシームレスな統合を促進できることを示す。
  論文  参考訳（メタデータ） (2024-05-20T09:28:23Z)
• When Parameter-efficient Tuning Meets General-purpose Vision-language Models [65.19127815275307]
  PETALは、一意のモード近似技術によって達成される全パラメータの0.5%しか必要とせず、トレーニングプロセスに革命をもたらす。 実験の結果,PETALは現状の手法をほとんどのシナリオで上回るだけでなく,完全な微調整モデルよりも優れていることがわかった。
  論文  参考訳（メタデータ） (2023-12-16T17:13:08Z)
• Open-sourced Data Ecosystem in Autonomous Driving: the Present and Future [130.87142103774752]
  このレビューは、70以上のオープンソースの自動運転データセットを体系的に評価する。 高品質なデータセットの作成の基礎となる原則など、さまざまな側面に関する洞察を提供する。 また、解決を保障する科学的、技術的課題も検討している。
  論文  参考訳（メタデータ） (2023-12-06T10:46:53Z)
• 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)
• 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)
• Generative AI-empowered Simulation for Autonomous Driving in Vehicular Mixed Reality Metaverses [130.15554653948897]
  車両混合現実(MR)メタバースでは、物理的実体と仮想実体の間の距離を克服することができる。 現実的なデータ収集と物理世界からの融合による大規模交通・運転シミュレーションは困難かつコストがかかる。 生成AIを利用して、無制限の条件付きトラフィックを合成し、シミュレーションでデータを駆動する自律運転アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2023-02-16T16:54:10Z)
• 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。