論文の概要: Variational Digital Twins

• arxiv url: http://arxiv.org/abs/2507.01047v1
• Date: Wed, 25 Jun 2025 02:05:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-03 14:22:59.792569
• Title: Variational Digital Twins
• Title（参考訳）: 変分デジタル双晶
• Authors: Logan A. Burnett, Umme Mahbuba Nabila, Majdi I. Radaideh,
• Abstract要約: 本稿では,標準ニューラルアーキテクチャをベイズ出力層で拡張する変分ディジタルツイン(VDT)フレームワークを提案する。 この軽量な追加は、新しいVDT更新アルゴリズムと共に、コモディティGPU上で2秒間にアップデートできる。 VDTは4つのエネルギー領域問題について評価する。
• 参考スコア（独自算出の注目度）: 0.44241702149260353
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: While digital twins (DT) hold promise for providing real-time insights into complex energy assets, much of the current literature either does not offer a clear framework for information exchange between the model and the asset, lacks key features needed for real-time implementation, or gives limited attention to model uncertainty. Here, we aim to solve these gaps by proposing a variational digital twin (VDT) framework that augments standard neural architectures with a single Bayesian output layer. This lightweight addition, along with a novel VDT updating algorithm, lets a twin update in seconds on commodity GPUs while producing calibrated uncertainty bounds that can inform experiment design, control algorithms, and model reliability. The VDT is evaluated on four energy-sector problems. For critical-heat-flux prediction, uncertainty-driven active learning reaches R2 = 0.98 using 47 % fewer experiments and one-third the training time of random sampling. A three-year renewable-generation twin maintains R2 > 0.95 for solar output and curbs error growth for volatile wind forecasts via monthly updates that process only one month of data at a time. A nuclear reactor transient cooldown twin reconstructs thermocouple signals with R2 > 0.99 and preserves accuracy after 50 % sensor loss, demonstrating robustness to degraded instrumentation. Finally, a physics-informed Li-ion battery twin, retrained after every ten discharges, lowers voltage mean-squared error by an order of magnitude relative to the best static model while adapting its credible intervals as the cell approaches end-of-life. These results demonstrate that combining modest Bayesian augmentation with efficient update schemes turns conventional surrogates into uncertainty-aware, data-efficient, and computationally tractable DTs, paving the way for dependable models across industrial and scientific energy systems.
• Abstract（参考訳）: デジタルツイン(DT)は複雑なエネルギー資産に対するリアルタイムな洞察を提供すると約束しているが、現在の文献の多くは、モデルとアセットの間の情報交換のための明確なフレームワークを提供していない。 本稿では,ベイズ出力層1つで標準的なニューラルアーキテクチャを増強する変分ディジタルツイン(VDT)フレームワークを提案することにより,これらのギャップを解決することを目的とする。 この軽量な追加は、新しいVDT更新アルゴリズムとともに、コモディティGPU上で2秒に1回の更新を可能にし、キャリブレーションされた不確実性境界を生成し、実験設計、制御アルゴリズム、モデルの信頼性を知らせる。 VDTは4つのエネルギー領域問題について評価する。 臨界熱流束予測では、不確実性駆動型アクティブラーニングは47%の少ない実験とランダムサンプリングのトレーニング時間の3分の1でR2 = 0.98に達する。 3年間の再生可能エネルギーの双子は、太陽光出力のR2 > 0.95を維持し、毎月1ヶ月のデータしか処理しない月次更新によって揮発性風速予測の誤差の増大を抑制する。 原子炉過渡冷却双子は、R2>0.99で熱カップリング信号を再構成し、50%のセンサ損失後に精度を保ち、劣化した機器の堅牢性を示す。 最後に、物理インフォームされたLiイオン電池双対は、10回の放電毎に再訓練され、セルが寿命の終わりに近づくにつれて、その信頼可能な間隔に適応しながら、最高の静的モデルと比較して電圧平均二乗誤差を桁違いに低下させる。 これらの結果は,従来のサロゲートを不確実性対応,データ効率,計算処理可能なDTに転換し,産業用および科学用エネルギーシステムにまたがる信頼性の高いモデルへの道を開くことを実証している。

関連論文リスト

• One-Step Diffusion Distillation through Score Implicit Matching [74.91234358410281]
  本稿では,Score Implicit Matching (SIM) を用いて,事前学習した拡散モデルを単一ステップジェネレータモデルに蒸留する手法を提案する。 SIMはワンステップジェネレータに対して強い経験的性能を示す。 リードトランスに基づく拡散モデルにSIMを適用することにより,テキスト・ツー・イメージ生成のための単一ステップ生成器を蒸留する。
  論文  参考訳（メタデータ） (2024-10-22T08:17:20Z)
• Digital twin with automatic disturbance detection for real-time optimization of a semi-autogenous grinding (SAG) mill [0.32985979395737786]
  デジタルツインは、クローズドループシステムをエミュレートする3つのモジュールから構成される。 モデルは68時間のデータでトレーニングされ、8時間のテストデータで検証された。 障害検出は、再トレーニングの必要性を評価し、デジタルツインは、SAGミルをエキスパート制御システムで監督する約束を示す。
  論文  参考訳（メタデータ） (2024-07-04T17:20:36Z)
• Improving Diffusion Models for ECG Imputation with an Augmented Template Prior [43.6099225257178]
  ノイズと品質の悪い録音は、モバイルヘルスシステムを使って収集された信号にとって大きな問題である。 近年の研究では、確率的時系列モデルによるECGの欠落値の計算が検討されている。 本稿では,様々な健康状態の事前情報として,テンプレート誘導型拡散確率モデル(DDPM)PulseDiffを提案する。
  論文  参考訳（メタデータ） (2023-10-24T11:34:15Z)
• SERT: A Transfomer Based Model for Spatio-Temporal Sensor Data with Missing Values for Environmental Monitoring [0.0]
  センサーから収集されたデータは、故障した機器やメンテナンス上の問題によって、しばしば値が失われる。 計算を必要とせず、欠落したデータを処理しながら、多変量時間予測を行うことのできる2つのモデルを提案する。
  論文  参考訳（メタデータ） (2023-06-05T17:06:23Z)
• TinyAD: Memory-efficient anomaly detection for time series data in Industrial IoT [43.207210990362825]
  我々は,リアルタイムな異常検出のためのCNNのオンボード推論を効率的に行うための,Tiny Anomaly Detection (TinyAD) という新しいフレームワークを提案する。 CNNのピークメモリ消費を低減するため、我々は2つの相補的戦略、 in-place と patch-by-patch のメモリ再スケジューリングについて検討する。 我々のフレームワークは、オーバーヘッドを無視してピークメモリ消費を2～5倍削減できる。
  論文  参考訳（メタデータ） (2023-03-07T02:56:15Z)
• Digital Twin-Centered Hybrid Data-Driven Multi-Stage Deep Learning Framework for Enhanced Nuclear Reactor Power Prediction [0.4166512373146748]
  本稿では,ハイブリッドデジタルツインに焦点を当てた多段階深層学習フレームワークを提案する。 96%の分類、2.3%のMAPEを達成し、反応器の最終的な定常電力を予測する。 データ駆動の洞察をデジタルツインの原理と整合させることで、この研究は核システム管理における適応的でスケーラブルなソリューションの基礎となる。
  論文  参考訳（メタデータ） (2022-11-23T17:32:52Z)
• Truncated tensor Schatten p-norm based approach for spatiotemporal traffic data imputation with complicated missing patterns [77.34726150561087]
  本研究は, モード駆動繊維による3症例の欠失を含む, 4症例の欠失パターンについて紹介する。 本モデルでは, 目的関数の非性にもかかわらず, 乗算器の交互データ演算法を統合することにより, 最適解を導出する。
  論文  参考訳（メタデータ） (2022-05-19T08:37:56Z)
• On-demand compute reduction with stochastic wav2vec 2.0 [63.22845151306881]
  本稿では、wav2vec 2.0(W2V2)モデルに対するオンデマンドの計算量削減のための圧縮を提案する。 960hのLibrispeechデータセットで事前学習し、10hの転写データに微調整を行った結果,同じモデルを用いて単語誤り率(WER)と推測時間とのスムーズなトレードオフが得られた。
  論文  参考訳（メタデータ） (2022-04-25T19:25:46Z)
• Edge Continual Learning for Dynamic Digital Twins over Wireless Networks [68.65520952712914]
  デジタルツイン(DT)は、現実世界とメタバースの間の重要なリンクを構成する。 本稿では,物理的双生児とそれに対応するサイバー双生児の親和性を正確にモデル化する新しいエッジ連続学習フレームワークを提案する。 提案するフレームワークは,破滅的忘れ込みに対して頑健な,高精度かつ同期的なCTモデルを実現する。
  論文  参考訳（メタデータ） (2022-04-10T23:25:37Z)

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。