論文の概要: DesCartes Builder: A Tool to Develop Machine-Learning Based Digital Twins

• arxiv url: http://arxiv.org/abs/2508.17988v1
• Date: Mon, 25 Aug 2025 12:57:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-26 18:43:45.782927
• Title: DesCartes Builder: A Tool to Develop Machine-Learning Based Digital Twins
• Title（参考訳）: DesCartes Builder: マシンラーニングベースのデジタルツインを開発するツール
• Authors: Eduardo de Conto, Blaise Genest, Arvind Easwaran, Nicholas Ng, Shweta Menon,
• Abstract要約: デジタルツイン(DT)は、土木工学を含む様々な領域にわたる複雑なシステムの監視、管理、最適化にますます利用されている。 効果的なDTのコア要件は、物理的に高速で正確で保守可能な代理として振る舞うことである。 DesCartes Builderは、リアルタイムDTプロトタイプとDTインスタンスのためのMLベースのパイプラインのシステマティックエンジニアリングを可能にするオープンソースのツールです。
• 参考スコア（独自算出の注目度）: 3.005601357270487
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Digital twins (DTs) are increasingly utilized to monitor, manage, and optimize complex systems across various domains, including civil engineering. A core requirement for an effective DT is to act as a fast, accurate, and maintainable surrogate of its physical counterpart, the physical twin (PT). To this end, machine learning (ML) is frequently employed to (i) construct real-time DT prototypes using efficient reduced-order models (ROMs) derived from high-fidelity simulations of the PT's nominal behavior, and (ii) specialize these prototypes into DT instances by leveraging historical sensor data from the target PT. Despite the broad applicability of ML, its use in DT engineering remains largely ad hoc. Indeed, while conventional ML pipelines often train a single model for a specific task, DTs typically require multiple, task- and domain-dependent models. Thus, a more structured approach is required to design DTs. In this paper, we introduce DesCartes Builder, an open-source tool to enable the systematic engineering of ML-based pipelines for real-time DT prototypes and DT instances. The tool leverages an open and flexible visual data flow paradigm to facilitate the specification, composition, and reuse of ML models. It also integrates a library of parameterizable core operations and ML algorithms tailored for DT design. We demonstrate the effectiveness and usability of DesCartes Builder through a civil engineering use case involving the design of a real-time DT prototype to predict the plastic strain of a structure.
• Abstract（参考訳）: デジタルツイン(DT)は、土木工学を含む様々な領域にわたる複雑なシステムの監視、管理、最適化にますます利用されている。 有効なDTの中核となる要件は、高速で正確で維持可能な物理的双生児(PT)の代理として機能することである。 この目的のために、機械学習(ML)が頻繁に採用されている。 (i)PTの特異な振る舞いの高忠実度シミュレーションから得られた効率的な低次モデル(ROM)を用いたリアルタイムDTプロトタイプの構築、及び (II)これらのプロトタイプを対象PTからの履歴センサデータを活用することによりDTインスタンスに特殊化する。 MLの幅広い適用性にもかかわらず、DTエンジニアリングでの利用は、大半がアドホックである。 実際、従来のMLパイプラインは特定のタスクのために単一のモデルをトレーニングすることが多いが、DTは通常、複数のタスク依存モデルとドメイン依存モデルを必要とする。 したがって、DTの設計にはより構造化されたアプローチが必要である。 本稿では、リアルタイムDTプロトタイプとDTインスタンスのためのMLベースのパイプラインのシステマティックエンジニアリングを可能にするオープンソースツールであるDesCartes Builderを紹介する。 このツールはオープンでフレキシブルなビジュアルデータフローパラダイムを活用して、MLモデルの仕様、構成、再利用を容易にする。 また、DT設計に適したパラメータ化可能なコア操作とMLアルゴリズムのライブラリも統合している。 構造物の塑性ひずみを予測するためのリアルタイムDTプロトタイプの設計を含む土木工学の事例を通して,DesCartes Builderの有効性と使用性を示す。

関連論文リスト

• TwinArch: A Digital Twin Reference Architecture [83.71071897785683]
  デジタルツイン(Digital Twins, DT)は物理系の動的仮想表現であり、物理的およびデジタル領域間のシームレスな双方向通信によって実現される。 提案されているDigital Twin Reference ArchitectureはTwinArchという名前だ。ソフトウェア工学研究所のViews and Beyond方法論を使って文書化されている。
  論文  参考訳（メタデータ） (2025-04-10T07:53:11Z)
• UniSTD: Towards Unified Spatio-Temporal Learning across Diverse Disciplines [64.84631333071728]
  本稿では,時間的モデリングのためのトランスフォーマーベースの統合フレームワークであるbfUnistageを紹介する。 我々の研究は、タスク固有の視覚テキストが時間学習のための一般化可能なモデルを構築することができることを示した。 また、時間的ダイナミクスを明示的に組み込むための時間的モジュールも導入する。
  論文  参考訳（メタデータ） (2025-03-26T17:33:23Z)
• 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により、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。 GenAIはDTの構築と更新を推進し、予測精度を改善し、多様なスマート製造に備える。
  論文  参考訳（メタデータ） (2024-08-02T10:47:10Z)
• Function+Data Flow: A Framework to Specify Machine Learning Pipelines for Digital Twinning [2.27626288527213]
  物理システムのためのデジタル双生児(DT)は人工知能(AI)をますます活用している 本稿では,DT内のAIパイプラインを記述するためのドメイン固有言語(t+Data Flow)を提案する。 具体的には、tは関数を第一級市民として扱い、AIで学んだモデルの効果的な操作を可能にする。
  論文  参考訳（メタデータ） (2024-06-28T05:44:47Z)
• UniTST: Effectively Modeling Inter-Series and Intra-Series Dependencies for Multivariate Time Series Forecasting [98.12558945781693]
  フラット化されたパッチトークンに統一された注意機構を含む変圧器ベースモデルUniTSTを提案する。 提案モデルでは単純なアーキテクチャを採用しているが,時系列予測のためのいくつかのデータセットの実験で示されたような,魅力的な性能を提供する。
  論文  参考訳（メタデータ） (2024-06-07T14:39:28Z)
• Deformable Mixer Transformer with Gating for Multi-Task Learning of Dense Prediction [126.34551436845133]
  CNNとTransformerには独自の利点があり、MTL(Multi-task Learning)の高密度予測に広く使われている。 本稿では,変形可能なCNNと問合せベースのTransformerの長所を共用したMTLモデルを提案する。
  論文  参考訳（メタデータ） (2023-08-10T17:37:49Z)
• Relativistic Digital Twin: Bringing the IoT to the Future [2.995426306159199]
  複雑なIoTエコシステムは、予測分析を実行し、何のシナリオをシミュレートするために、物理資産のDigital Twins(DT)の使用を必要とすることが多い。 我々はRelativistic Digital Twin(RDT)フレームワークを提案し、IoTエンティティの汎用DTを自動的に生成する。 このフレームワークはWeb of Things(WoT)を通じたオブジェクト表現に依存しており、各IoTデバイスとDTに標準化されたインターフェースを提供する。
  論文  参考訳（メタデータ） (2023-01-18T09:37:05Z)

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。