論文の概要: Heterogeneous Model Alignment in Digital Twin

• arxiv url: http://arxiv.org/abs/2512.15281v1
• Date: Wed, 17 Dec 2025 10:36:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-18 17:06:26.937362
• Title: Heterogeneous Model Alignment in Digital Twin
• Title（参考訳）: デジタル双生児における異種モデルアライメント
• Authors: Faima Abbasi, Jean-Sébastien Sottet, Cedric Pruski,
• Abstract要約: モデル駆動DTにおける主要な課題は、抽象層にまたがる異種モデルを整列させることである。 静的マッピングと手動の更新に依存する既存のメソッドは、しばしば柔軟性がなく、エラーを起こし、データの整合性を損なうリスクがある。 多層型モデル駆動型DTのための異種モデルアライメント手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Digital twin (DT) technology integrates heterogeneous data and models, along with semantic technologies to create multi-layered digital representation of physical systems. DTs enable monitoring, simulation, prediction, and optimization to enhance decision making and operational efficiency. A key challenge in multi-layered, model-driven DTs is aligning heterogeneous models across abstraction layers, which can lead to semantic mismatches, inconsistencies, and synchronization issues. Existing methods, relying on static mappings and manual updates, are often inflexible, error-prone, and risk compromising data integrity. To address these limitations, we present a heterogeneous model alignment approach for multi-layered, model-driven DTs. The framework incorporates a flexibility mechanism that allows metamodels to adapt and interconnect seamlessly while maintaining semantic coherence across abstraction layers. It integrates: (i) adaptive conformance mechanisms that link metamodels with evolving models and (ii) a large language model (LLM) validated alignment process that grounds metamodels in domain knowledge, ensuring structural fidelity and conceptual consistency throughout the DT lifecycle. This approach automates semantic correspondences discovery, minimizes manual mapping, and enhances scalability across diverse model types. We illustrate the approach using air quality use case and validate its performance using different test cases from Ontology Alignment Evaluation Initiative (OAEI) tracks.
• Abstract（参考訳）: デジタルツイン(DT)技術は、物理システムの多層デジタル表現を作成するためのセマンティック技術とともに、異種データとモデルを統合する。 DTは、意思決定と運用効率を高めるために、監視、シミュレーション、予測、最適化を可能にします。 多層的モデル駆動DTにおける重要な課題は、抽象層にまたがる異種モデルの整合性であり、セマンティックミスマッチ、不整合、同期の問題を引き起こす可能性がある。 静的マッピングと手動の更新に依存する既存のメソッドは、しばしば柔軟性がなく、エラーを起こし、データの整合性を損なうリスクがある。 これらの制約に対処するため,多層モデル駆動DTのための異種モデルアライメント手法を提案する。 このフレームワークには、抽象レイヤ間のセマンティックコヒーレンスを維持しながら、メタモデルがシームレスに適応し、相互接続できる柔軟性メカニズムが組み込まれている。 統合する。 一 メタモデルと進化モデルとを結びつける適応適合機構 i) 大規模言語モデル(LLM)は、ドメイン知識のメタモデルに基づいて、DTライフサイクル全体を通して構造的忠実性と概念的一貫性を保証するアライメントプロセスを検証する。 このアプローチは意味対応の発見を自動化し、手動マッピングを最小化し、多様なモデルタイプにわたるスケーラビリティを向上させる。 本研究は,OAEI(オントロジー・アライメント・アライメント・アライメント・イニシアチブ)トラックの異なるテストケースを用いて,空気質のユースケースを用いたアプローチを解説し,その性能を検証した。

関連論文リスト

• Merge and Guide: Unifying Model Merging and Guided Decoding for Controllable Multi-Objective Generation [49.98025799046136]
  Merge-And-GuidEは、ガイド付きデコーディングにモデルマージを利用する2段階のフレームワークである。 ステージ1では、MAGEはガイダンスとベースモデルの互換性の問題を解決する。 ステージ2では、明示的で暗黙的な値モデルを統一的なガイダンスプロキシにマージします。
  論文  参考訳（メタデータ） (2025-10-04T11:10:07Z)
• Image Segmentation via Variational Model Based Tailored UNet: A Deep Variational Framework [6.146992603795658]
  画像セグメンテーションのための変分モデルに基づくTalored UNet(VM_TUNet)を提案する。 VM_TUNetは、変分法の解釈可能性とエッジ保存特性をニューラルネットワークの適応的特徴学習と組み合わせている。 既存のアプローチと比較して,VM_TUNetはセグメンテーション性能が優れていることを示す。
  論文  参考訳（メタデータ） (2025-05-09T05:50:22Z)
• Merging Models on the Fly Without Retraining: A Sequential Approach to Scalable Continual Model Merging [75.93960998357812]
  ディープモデルマージ(Deep Modelmerging)は、複数の微調整モデルを組み合わせて、さまざまなタスクやドメインにまたがる能力を活用する、新たな研究方向を示すものだ。 現在のモデルマージ技術は、全ての利用可能なモデルを同時にマージすることに集中しており、重量行列に基づく手法が主要なアプローチである。 本稿では,モデルを逐次処理するトレーニングフリーなプロジェクションベース連続マージ手法を提案する。
  論文  参考訳（メタデータ） (2025-01-16T13:17:24Z)
• Automatically Learning Hybrid Digital Twins of Dynamical Systems [56.69628749813084]
  Digital Twins (DT)は、現実世界のシステムの状態と時間力学をシミュレートする。 DTは、しばしばデータスカース設定で目に見えない条件に一般化するのに苦労します。 本稿では,HDTwinsを自律的に提案し,評価し,最適化するための進化的アルゴリズム(textbfHDTwinGen$)を提案する。
  論文  参考訳（メタデータ） (2024-10-31T07:28:22Z)
• PARAFAC2-based Coupled Matrix and Tensor Factorizations with Constraints [1.0519027757362966]
  AO(Alternating Optimization)とADMM(Alternating Direction Method of Multipliers)を用いたPARAFAC2ベースのCMTFモデルに適合するフレキシブルなアルゴリズムフレームワークを提案する。 様々なシミュレーションと実際のデータセットの実験は、提案したフレームワークの有用性と汎用性を示している。
  論文  参考訳（メタデータ） (2024-06-18T07:05:31Z)
• Data-driven Control of Agent-based Models: an Equation/Variable-free Machine Learning Approach [0.0]
  複雑/マルチスケールシステムの集合力学を制御するための方程式/変数自由機械学習(EVFML)フレームワークを提案する。 提案手法は3段階からなる: (A) 高次元エージェントベースシミュレーション、機械学習(特に非線形多様体学習(DM)) 創発力学の数値分岐解析を行うために方程式のない手法を用いる。 我々は,エージェントをベースとしたシミュレータを本質的で不正確に知られ,創発的なオープンループ定常状態に駆動する,データ駆動型組込み洗浄制御器を設計する。
  論文  参考訳（メタデータ） (2022-07-12T18:16:22Z)
• Switchable Representation Learning Framework with Self-compatibility [50.48336074436792]
  自己整合性(SFSC)を考慮した交換可能な表現学習フレームワークを提案する。 SFSCは1つのトレーニングプロセスを通じて、異なる能力を持つ一連の互換性のあるサブモデルを生成する。 SFSCは評価データセット上で最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2022-06-16T16:46:32Z)
• Surrogate Modeling for Physical Systems with Preserved Properties and Adjustable Tradeoffs [0.0]
  代理モデルを生成するためのモデルベースおよびデータ駆動型戦略を提案する。 後者は、前提となる位相構造に人工的関係を組み込むことで解釈可能な代理モデルを生成する。 我々のフレームワークは、分散パラメータモデルのための様々な空間離散化スキームと互換性がある。
  論文  参考訳（メタデータ） (2022-02-02T17:07:02Z)

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。