論文の概要: A Survey of Physics-Informed AI for Complex Urban Systems

• arxiv url: http://arxiv.org/abs/2506.13777v1
• Date: Mon, 09 Jun 2025 06:19:14 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-18 17:34:59.123276
• Title: A Survey of Physics-Informed AI for Complex Urban Systems
• Title（参考訳）: 複雑な都市システムのための物理インフォームAIに関する調査
• Authors: En Xu, Huandong Wang, Yunke Zhang, Sibo Li, Yinzhou Tang, Zhilun Zhou, Yuming Lin, Yuan Yuan, Xiaochen Fan, Jingtao Ding, Yong Li,
• Abstract要約: 都市における物理インフォームドAI手法の総合的なレビューを行う。 既存のアプローチは,3つのパラダイム – 物理集約型AI,物理AIハイブリッドアンサンブル,AI集約型物理 – に分類する。 本研究では,エネルギー,環境,経済,交通,情報,公共サービス,緊急管理,都市システムという8つの主要都市領域にまたがる応用について検討する。
• 参考スコア（独自算出の注目度）: 15.128346492508234
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Urban systems are typical examples of complex systems, where the integration of physics-based modeling with artificial intelligence (AI) presents a promising paradigm for enhancing predictive accuracy, interpretability, and decision-making. In this context, AI excels at capturing complex, nonlinear relationships, while physics-based models ensure consistency with real-world laws and provide interpretable insights. We provide a comprehensive review of physics-informed AI methods in urban applications. The proposed taxonomy categorizes existing approaches into three paradigms - Physics-Integrated AI, Physics-AI Hybrid Ensemble, and AI-Integrated Physics - and further details seven representative methods. This classification clarifies the varying degrees and directions of physics-AI integration, guiding the selection and development of appropriate methods based on application needs and data availability. We systematically examine their applications across eight key urban domains: energy, environment, economy, transportation, information, public services, emergency management, and the urban system as a whole. Our analysis highlights how these methodologies leverage physical laws and data-driven models to address urban challenges, enhancing system reliability, efficiency, and adaptability. By synthesizing existing methodologies and their urban applications, we identify critical gaps and outline future research directions, paving the way toward next-generation intelligent urban system modeling.
• Abstract（参考訳）: 都市システムは複雑なシステムの典型的な例であり、物理に基づくモデリングと人工知能(AI)の統合は予測精度、解釈可能性、意思決定を向上するための有望なパラダイムを示す。 この文脈では、AIは複雑な非線形関係を捉え、物理ベースのモデルは現実世界の法則と整合性を確保し、解釈可能な洞察を提供する。 都市における物理インフォームドAI手法の総合的なレビューを行う。 提案された分類学は、既存のアプローチを3つのパラダイム – 物理統合AI、物理AIハイブリッドアンサンブル、AI統合物理 – に分類し、さらに7つの代表的な手法を詳述している。 この分類は、アプリケーションのニーズとデータ可用性に基づいて、適切な方法の選択と開発を導くことで、物理学とAIの統合の様々な度合いと方向を明確にする。 本研究では,エネルギー,環境,経済,交通,情報,公共サービス,緊急管理,都市システムという8つの主要都市領域にまたがる適用を体系的に検討する。 我々の分析では、これらの方法論が物理的法則やデータ駆動モデルを利用して都市の課題に対処し、システムの信頼性、効率、適応性を向上する方法を強調している。 既存の方法論とその都市利用を合成することにより、重要なギャップを特定し、今後の研究の方向性を概説し、次世代のインテリジェントな都市システムモデリングへの道を開く。

関連論文リスト

• From Large AI Models to Agentic AI: A Tutorial on Future Intelligent Communications [57.38526350775472]
  このチュートリアルは、大規模人工知能モデル(LAM)とエージェントAI技術の原則、設計、応用に関する体系的な紹介を提供する。 我々は,6G通信の背景を概説し,LAMからエージェントAIへの技術的進化を概説し,チュートリアルのモチベーションと主な貢献を明らかにする。
  論文  参考訳（メタデータ） (2025-05-28T12:54:07Z)
• Compression, Regularity, Randomness and Emergent Structure: Rethinking Physical Complexity in the Data-Driven Era [0.0]
  3つの軸(正規性、ランダム性、複雑さ)に沿った統計的、アルゴリズム的、動的測度を見つける統一的な枠組みを提案する。 この分類は計算不能によって引き起こされる深い課題を明らかにし、現代のデータ駆動手法の出現を強調している。 複雑な物理システムにおいて、物理学のインフォームドAIとAI誘導の発見がもたらす意味を概説することで、我々は締めくくっている。
  論文  参考訳（メタデータ） (2025-05-12T04:30:42Z)
• Edge-Cloud Collaborative Computing on Distributed Intelligence and Model Optimization: A Survey [59.52058740470727]
  エッジクラウドコラボレーティブコンピューティング(ECCC)は、現代のインテリジェントアプリケーションの計算要求に対処するための重要なパラダイムとして登場した。 AIの最近の進歩、特にディープラーニングと大規模言語モデル(LLM)は、これらの分散システムの能力を劇的に向上させてきた。 この調査は、基本的なアーキテクチャ、技術の実現、新しいアプリケーションに関する構造化されたチュートリアルを提供する。
  論文  参考訳（メタデータ） (2025-05-03T13:55:38Z)
• Generative AI in Transportation Planning: A Survey [41.38132349994159]
  我々は、交通計画においてGenAIを活用するための最初の包括的枠組みを提示する。 交通計画の観点から, 記述的, 予測的, 生成的, シミュレーション, 説明可能なタスクの自動化におけるGenAIの役割を検討する。 データ不足、説明可能性、バイアス軽減、ドメイン固有の評価フレームワークの開発など、重要な課題に対処する。
  論文  参考訳（メタデータ） (2025-03-10T10:33:31Z)
• A Survey of World Models for Autonomous Driving [63.33363128964687]
  自律運転の最近の進歩は、堅牢な世界モデリングの進歩によって推進されている。 本稿では、自律運転の世界モデルにおける最近の進歩を体系的にレビューする。
  論文  参考訳（メタデータ） (2025-01-20T04:00:02Z)
• Towards Next-Generation Urban Decision Support Systems through AI-Powered Construction of Scientific Ontology using Large Language Models -- A Case in Optimizing Intermodal Freight Transportation [1.6230958216521798]
  本研究では,事前学習された大規模言語モデル(LLM)を活用する可能性について検討する。 推論コアとしてChatGPT APIを採用することで、自然言語処理、メソノロジーベースのプロンプトチューニング、トランスフォーマーを含む統合ワークフローを概説する。 我々の方法論の成果は、広く採用されているオントロジー言語(OWL、RDF、SPARQLなど)の知識グラフである。
  論文  参考訳（メタデータ） (2024-05-29T16:40:31Z)
• When Geoscience Meets Foundation Models: Towards General Geoscience Artificial Intelligence System [6.445323648941926]
  地球科学基礎モデル(Geoscience foundation model, GFMs)は、地球系の力学のシミュレーションと理解を強化するために、広範な学際データを統合するパラダイムシフトソリューションである。 GFMのユニークな長所は、フレキシブルなタスク仕様、多様な入出力能力、マルチモーダルな知識表現である。 このレビューは、先進的なAI技術と地球科学の交差点における未解決の機会を強調した、新興の地球科学研究パラダイムの包括的概要を提供する。
  論文  参考訳（メタデータ） (2023-09-13T08:44:09Z)
• Constructing Neural Network-Based Models for Simulating Dynamical Systems [59.0861954179401]
  データ駆動モデリングは、真のシステムの観測からシステムの力学の近似を学ぼうとする代替パラダイムである。 本稿では,ニューラルネットワークを用いた動的システムのモデル構築方法について検討する。 基礎的な概要に加えて、関連する文献を概説し、このモデリングパラダイムが克服すべき数値シミュレーションから最も重要な課題を概説する。
  論文  参考訳（メタデータ） (2021-11-02T10:51:42Z)

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。