論文の概要: ModeliHub: A Web-based, Federated Analytics Platform for Modelica-centric, Model-based Systems Engineering

• arxiv url: http://arxiv.org/abs/2506.18790v1
• Date: Mon, 23 Jun 2025 16:00:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-24 19:06:37.071934
• Title: ModeliHub: A Web-based, Federated Analytics Platform for Modelica-centric, Model-based Systems Engineering
• Title（参考訳）: ModeliHub: モデル中心のモデルベースシステムエンジニアリングのためのWebベースのフェデレーション分析プラットフォーム
• Authors: Mohamad Omar Nachawati,
• Abstract要約: 本稿では,Modelicaを用いたモデルベースシステムエンジニアリングに特化したWebベースのフェデレーション分析プラットフォームであるModeliHubを紹介する。 ModeliHubの重要なイノベーションは、Modelica中心のハブ&スポークフェデレーションアーキテクチャで、システムエンジニアに異種エンジニアリングアーティファクトを含むレポジトリの統一されたシステムモデルを提供する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This paper introduces ModeliHub, a Web-based, federated analytics platform designed specifically for model-based systems engineering with Modelica. ModeliHub's key innovation lies in its Modelica-centric, hub-and-spoke federation architecture that provides systems engineers with a Modelica-based, unified system model of repositories containing heterogeneous engineering artifacts. From this unified system model, ModeliHub's Virtual Twin engine provides a real-time, interactive simulation environment for deploying Modelica simulation models that represent digital twins of the virtual prototype of the system under development at a particular iteration of the iterative systems engineering life cycle. The implementation of ModeliHub is centered around its extensible, Modelica compiler frontend developed in Isomorphic TypeScript that can run seamlessly across browser, desktop and server environments. This architecture aims to strike a balance between rigor and agility, enabling seamless integration and analysis across various engineering domains.
• Abstract（参考訳）: 本稿では,Modelicaを用いたモデルベースシステムエンジニアリングに特化したWebベースのフェデレーション分析プラットフォームであるModeliHubを紹介する。 ModeliHubの重要なイノベーションは、Modelica中心のハブ&スポークフェデレーションアーキテクチャで、システムエンジニアに異種エンジニアリングアーティファクトを含むレポジトリの統一されたシステムモデルを提供する。 この統合システムモデルから、ModeliHubのVirtual Twinエンジンは、反復システムエンジニアリングライフサイクルの特定のイテレーションで開発中のシステムの仮想プロトタイプのデジタル双対を表すModelicaシミュレーションモデルをデプロイするためのリアルタイムでインタラクティブなシミュレーション環境を提供する。 ModeliHubの実装は、Isomorphic TypeScriptで開発された拡張可能なModelicaコンパイラフロントエンドを中心にしており、ブラウザ、デスクトップ、サーバ環境間でシームレスに実行できる。 このアーキテクチャは、厳密性とアジリティのバランスを保ち、さまざまなエンジニアリングドメイン間のシームレスな統合と分析を可能にすることを目的としています。

関連論文リスト

• GenAI for Simulation Model in Model-Based Systems Engineering [43.85137138797568]
  本稿では,モデルベースシステム工学のための生成システム設計方法論フレームワークを紹介する。 我々は,システム物理特性のシミュレーションモデルを構築するために,推論手法,生成モデル,統合モデリングおよびシミュレーション言語を用いる。 我々は、既存のシミュレーションモデルライブラリと生成モデルによって生成された追加データセットに基づいて、シミュレーションモデル生成に使用される言語モデルを微調整する。
  論文  参考訳（メタデータ） (2025-03-09T03:33:25Z)
• Dynamic Provisioning of REST APIs for Model Management [1.511194037740325]
  モデル駆動工学(MDE)は、主要な成果物としてモデルに焦点を当てたソフトウェア工学の方法論である。 Webベースのモデリングツールを開発する際の一般的な要件は、モデル管理の迅速かつ効率的な方法を提供することである。 本稿では、モデリング・アズ・ア・サービスを提供するモデリングプラットフォームを構築するために使用できるモデル管理のためのサービスを提供するアプローチを提案する。
  論文  参考訳（メタデータ） (2024-06-24T23:28:00Z)
• Model Share AI: An Integrated Toolkit for Collaborative Machine Learning Model Development, Provenance Tracking, and Deployment in Python [0.0]
  モデル共有AI(AIMS)は、コラボレーティブモデル開発、モデル前駆者追跡、モデルデプロイメントを合理化するように設計された、使いやすいMLOpsプラットフォームである。 AIMSは、協調的なプロジェクト空間と、見当たらない評価データに基づいてモデル提出をランク付けする標準化されたモデル評価プロセスを備えている。 AIMSでは、Scikit-Learn、Keras、PyTorch、ONNXで構築されたMLモデルを、ライブREST APIや自動生成されたWebアプリにデプロイすることができる。
  論文  参考訳（メタデータ） (2023-09-27T15:24:39Z)
• ZhiJian: A Unifying and Rapidly Deployable Toolbox for Pre-trained Model Reuse [59.500060790983994]
  本稿では、PyTorchバックエンドを利用して、モデル再利用のための包括的でユーザフレンドリなツールボックスであるZhiJianを紹介する。 ZhiJianは、PTMによるターゲットアーキテクチャ構築、PTMによるターゲットモデルチューニング、およびPTMに基づく推論を含む、モデル再利用に関するさまざまな視点を統一する新しいパラダイムを提示している。
  論文  参考訳（メタデータ） (2023-08-17T19:12:13Z)
• A differentiable programming framework for spin models [0.0]
  微分可能プログラミングを用いたスピンモデルシミュレーションのための新しいフレームワークを提案する。 我々は、Isingモデル、Pottsモデル、Cellular Pottsモデルという3つの異なるスピンシステムに焦点を当てる。
  論文  参考訳（メタデータ） (2023-04-04T13:04:21Z)
• Model Ratatouille: Recycling Diverse Models for Out-of-Distribution Generalization [99.6826401545377]
  ファウンデーションモデルは、AIシステムの構築方法を再定義している。実践者は、機械学習ソリューションを構築するための標準手順に従う。 我々は,多種多様な補助的タスクにおいて,同じ基礎モデルの複数の微調整をリサイクルする新しい戦略であるモデルラタトゥーイユを提案する。
  論文  参考訳（メタデータ） (2022-12-20T17:21:46Z)
• Model LEGO: Creating Models Like Disassembling and Assembling Building Blocks [53.09649785009528]
  本稿では,新しいモデルを得るためのトレーニングを必要としないパラダイムについて検討する。 生体視覚系における受容野にインスパイアされたCNNの誕生と同様、モデル分解と組み立てを提案する。 モデル組立には、特定のタスクに適した新しいモデルを構築するために、アライメントパディング戦略とパラメータスケーリング戦略を提案する。
  論文  参考訳（メタデータ） (2022-03-25T05:27:28Z)
• A Model-Driven Engineering Approach to Machine Learning and Software Modeling [0.5156484100374059]
  モデルは、ソフトウェア工学(SE)と人工知能(AI)のコミュニティで使われている。 主な焦点はIoT(Internet of Things)とCPS(Smart Cyber-Physical Systems)のユースケースである。
  論文  参考訳（メタデータ） (2021-07-06T15:50:50Z)
• Physics-Integrated Variational Autoencoders for Robust and Interpretable Generative Modeling [86.9726984929758]
  我々は、不完全物理モデルの深部生成モデルへの統合に焦点を当てる。 本稿では,潜在空間の一部が物理によって基底づけられたVAEアーキテクチャを提案する。 合成および実世界のデータセットの集合に対して生成的性能改善を示す。
  論文  参考訳（メタデータ） (2021-02-25T20:28:52Z)
• S2RMs: Spatially Structured Recurrent Modules [105.0377129434636]
  モジュール構造とテンポラル構造の両方を同時に活用できる動的構造を利用するための一歩を踏み出します。 我々のモデルは利用可能なビューの数に対して堅牢であり、追加のトレーニングなしで新しいタスクに一般化できる。
  論文  参考訳（メタデータ） (2020-07-13T17:44:30Z)
• Hybrid modeling: Applications in real-time diagnosis [64.5040763067757]
  我々は、機械学習にインスパイアされたモデルと物理モデルを組み合わせた、新しいハイブリッドモデリングアプローチの概要を述べる。 このようなモデルをリアルタイム診断に利用しています。
  論文  参考訳（メタデータ） (2020-03-04T00:44:57Z)

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。