論文の概要: Fusion Intelligence for Digital Twinning AI Data Centers: A Synergistic GenAI-PhyAI Approach

• arxiv url: http://arxiv.org/abs/2505.19409v1
• Date: Mon, 26 May 2025 01:58:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-27 16:58:43.10085
• Title: Fusion Intelligence for Digital Twinning AI Data Centers: A Synergistic GenAI-PhyAI Approach
• Title（参考訳）: デジタルツインニングAIデータセンターのためのフュージョンインテリジェンス:相乗的GenAI-PhyAIアプローチ
• Authors: Ruihang Wang, Minghao Li, Zhiwei Cao, Jimin Jia, Kyle Guan, Yonggang Wen,
• Abstract要約: Fusion Intelligenceは、GenAIの自動化をPhyAIのドメイン基盤と同期させる新しいフレームワークである。 ケーススタディでは、AIDCデジタルツインの作成と検証を自動化する上で、我々のフレームワークの利点を実証している。
• 参考スコア（独自算出の注目度）: 17.699432259756456
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The explosion in artificial intelligence (AI) applications is pushing the development of AI-dedicated data centers (AIDCs), creating management challenges that traditional methods and standalone AI solutions struggle to address. While digital twins are beneficial for AI-based design validation and operational optimization, current AI methods for their creation face limitations. Specifically, physical AI (PhyAI) aims to capture the underlying physical laws, which demands extensive, case-specific customization, and generative AI (GenAI) can produce inaccurate or hallucinated results. We propose Fusion Intelligence, a novel framework synergizing GenAI's automation with PhyAI's domain grounding. In this dual-agent collaboration, GenAI interprets natural language prompts to generate tokenized AIDC digital twins. Subsequently, PhyAI optimizes these generated twins by enforcing physical constraints and assimilating real-time data. Case studies demonstrate the advantages of our framework in automating the creation and validation of AIDC digital twins. These twins deliver predictive analytics to support power usage effectiveness (PUE) optimization in the design stage. With operational data collected, the digital twin accuracy is further improved compared with pure physics-based models developed by human experts. Fusion Intelligence offers a promising pathway to accelerate digital transformation. It enables more reliable and efficient AI-driven digital transformation for a broad range of mission-critical infrastructures.
• Abstract（参考訳）: 人工知能(AI)応用の爆発がAIDC(AI-dedicated datacenter)の開発を推進し、従来の手法やスタンドアロンのAIソリューションが解決に苦慮する管理上の課題を生み出している。 ディジタルツインはAIベースの設計検証と運用最適化に有用だが、現在のAIメソッドは制限に直面している。 具体的には、物理AI(PhyAI)は、広範でケース固有のカスタマイズを必要とする物理法則を捉えることを目的としており、生成AI(GenAI)は不正確または幻覚的な結果を生み出すことができる。 我々は,GenAIの自動化をPhyAIのドメイン基盤と同期させる新しいフレームワークであるFusion Intelligenceを提案する。 この二重エージェントコラボレーションでは、GenAIは自然言語のプロンプトを解釈し、トークン化されたAIDCデジタルツインを生成する。 その後、PhyAIは、物理的制約を強制し、リアルタイムデータを同化することによって、これらの生成されたツインを最適化する。 ケーススタディでは、AIDCデジタルツインの作成と検証を自動化する上で、我々のフレームワークの利点を実証している。 これらのツインは、設計段階での電力使用効率(PUE)最適化をサポートするために予測分析を提供する。 操作データを収集することで、人間の専門家によって開発された純粋な物理モデルと比較して、デジタルツイン精度がさらに向上する。 Fusion Intelligenceは、デジタルトランスフォーメーションを加速するための有望な経路を提供する。 幅広いミッションクリティカルなインフラストラクチャに対して、より信頼性が高く効率的なAI駆動型ディジタルトランスフォーメーションを可能にする。

関連論文リスト

• Generative AI for Autonomous Driving: Frontiers and Opportunities [145.6465312554513]
  この調査は、自律運転スタックにおけるGenAIの役割の包括的合成を提供する。 まず、VAE、GAN、拡散モデル、および大規模言語モデルを含む、現代の生成モデリングの原則とトレードオフを蒸留することから始めます。 我々は、合成データ一般化、エンドツーエンド駆動戦略、高忠実なデジタルツインシステム、スマートトランスポートネットワーク、具体化されたAIへのクロスドメイン転送など、実用的な応用を分類する。
  論文  参考訳（メタデータ） (2025-05-13T17:59:20Z)
• Transforming Future Data Center Operations and Management via Physical AI [24.063748316223343]
  ミッションクリティカルなインフラとしてのデータセンターは、人工知能(AI)とデジタル経済の成長を支えている。 Internet DCからAI DCへの進化は、ビジネスレジリエンスの向上とオーナシップの総コスト削減のために、データセンタの運用と管理に関する新たな課題を導入している。 我々は,DCの運用と管理を進めるための新しい物理AI(PhyAI)フレームワークを提案し,開発する。
  論文  参考訳（メタデータ） (2025-04-07T12:09:22Z)
• Generative Diffusion-based Contract Design for Efficient AI Twins Migration in Vehicular Embodied AI Networks [55.15079732226397]
  Embodied AIは、サイバースペースと物理空間のギャップを埋める、急速に進歩する分野だ。 VEANETでは、組み込まれたAIツインが車載AIアシスタントとして機能し、自律運転をサポートするさまざまなタスクを実行する。
  論文  参考訳（メタデータ） (2024-10-02T02:20:42Z)
• Survey and Taxonomy: The Role of Data-Centric AI in Transformer-Based Time Series Forecasting [36.31269406067809]
  データ中心のAIは、AIモデルのトレーニング、特にトランスフォーマーベースのTSFモデルの効率的なトレーニングに不可欠である、と私たちは主張する。 我々は、データ中心のAIの観点から、これまでの研究成果をレビューし、トランスフォーマーベースのアーキテクチャとデータ中心のAIの将来の開発のための基礎的な作業を行うつもりです。
  論文  参考訳（メタデータ） (2024-07-29T08:27:21Z)
• Adaptation of XAI to Auto-tuning for Numerical Libraries [0.0]
  説明可能なAI(XAI)技術は、AIモデル開発の合理化と、ユーザへのAI出力の説明の負担軽減を目的として、注目を集めている。 本研究は,2つの異なるプロセスに統合されたAIモデルのXAIに着目し,数値計算を行う。
  論文  参考訳（メタデータ） (2024-05-12T09:00:56Z)
• AI-Generated Images as Data Source: The Dawn of Synthetic Era [61.879821573066216]
  生成AIは、現実世界の写真によく似た合成画像を作成する可能性を解き放った。 本稿では、これらのAI生成画像を新しいデータソースとして活用するという革新的な概念を探求する。 実際のデータとは対照的に、AI生成データには、未整合のアブリダンスやスケーラビリティなど、大きなメリットがある。
  論文  参考訳（メタデータ） (2023-10-03T06:55:19Z)
• A Revolution of Personalized Healthcare: Enabling Human Digital Twin with Mobile AIGC [54.74071593520785]
  モバイルAIGCは、ヒューマンデジタルツイン(HDT)と呼ばれる新興アプリケーションのキーとなる技術である モバイルAIGCによって強化されたHDTは、まれな疾患データを生成し、高忠実なデジタルツインをモデル化し、多目的テストベッドを構築し、24/7のカスタマイズ医療サービスを提供することで、パーソナライズされたヘルスケアに革命をもたらすことが期待されている。
  論文  参考訳（メタデータ） (2023-07-22T15:59:03Z)

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。