論文の概要: Artificial Intelligence for Modeling & Simulation in Digital Twins

• arxiv url: http://arxiv.org/abs/2602.19390v1
• Date: Sun, 22 Feb 2026 23:47:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-24 17:42:02.620355
• Title: Artificial Intelligence for Modeling & Simulation in Digital Twins
• Title（参考訳）: デジタル双生児のモデリングとシミュレーションのための人工知能
• Authors: Philipp Zech, Istvan David,
• Abstract要約: モデリングとシミュレーション(M&S)と人工知能(AI)の融合は、先進的なデジタル技術に重点を置いている。 関連する例としては、デジタルツイン(DT)、高忠実さ、物理的資産のライブ表現、コーポレートデジタル成熟とトランスフォーメーションの頻繁な有効化などがある。 したがって、DTにおけるM&Sの役割と、AIとM&Sの収束を可能にするデジタル双生児の役割を理解することが最重要である。
• 参考スコア（独自算出の注目度）: 3.351714665243138
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The convergence of modeling & simulation (M&S) and artificial intelligence (AI) is leaving its marks on advanced digital technology. Pertinent examples are digital twins (DTs) - high-fidelity, live representations of physical assets, and frequent enablers of corporate digital maturation and transformation. Often seen as technological platforms that integrate an array of services, DTs have the potential to bring AI-enabled M&S closer to end-users. It is, therefore, paramount to understand the role of M&S in DTs, and the role of digital twins in enabling the convergence of AI and M&S. To this end, this chapter provides a comprehensive exploration of the complementary relationship between these three. We begin by establishing a foundational understanding of DTs by detailing their key components, architectural layers, and their various roles across business, development, and operations. We then examine the central role of M&S in DTs and provide an overview of key modeling techniques from physics-based and discrete-event simulation to hybrid approaches. Subsequently, we investigate the bidirectional role of AI: first, how AI enhances DTs through advanced analytics, predictive capabilities, and autonomous decision-making, and second, how DTs serve as valuable platforms for training, validating, and deploying AI models. The chapter concludes by identifying key challenges and future research directions for creating more integrated and intelligent systems.
• Abstract（参考訳）: モデリングとシミュレーション(M&S)と人工知能(AI)の融合は、先進的なデジタル技術に重点を置いている。 関連する例としては、デジタルツイン(DT)、高忠実さ、物理的資産のライブ表現、コーポレートデジタル成熟とトランスフォーメーションの頻繁な有効化などがある。 DTは、さまざまなサービスを統合する技術プラットフォームと見なされることが多いが、AI対応のM&Sをエンドユーザに近づける可能性を秘めている。 したがって、DTにおけるM&Sの役割と、AIとM&Sの収束を可能にするデジタル双生児の役割を理解することが最重要である。 この目的のために、この章はこれらの3つの相補的な関係を包括的に探求する。 まず、ビジネス、開発、運用にまたがる主要なコンポーネント、アーキテクチャレイヤ、そしてそれらの様々な役割を詳述することで、DTの基本的な理解を確立することから始めます。 次に、DTにおけるM&Sの中心的役割について検討し、物理に基づく離散イベントシミュレーションからハイブリッドアプローチへの重要なモデリング手法の概要について述べる。 ひとつは、高度な分析、予測能力、自律的な意思決定を通じて、AIがDTをどのように強化するか、もうひとつは、DTがAIモデルをトレーニング、検証、デプロイするための価値のあるプラットフォームとして機能するかである。 この章は、より統合的でインテリジェントなシステムを構築するための重要な課題と今後の研究の方向性を特定することで締めくくられている。

関連論文リスト

• Digital Twin AI: Opportunities and Challenges from Large Language Models to World Models [95.9909582708447]
  物理的システムの正確なデジタル表現としてのデジタルツインは、受動的シミュレーションツールからインテリジェントで自律的なエンティティへと進化してきた。 本稿では,デジタルツインライフサイクルにおけるAI統合を特徴付ける4段階統合フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-04T01:17:09Z)
• AI Flow: Perspectives, Scenarios, and Approaches [51.38621621775711]
  私たちは最先端のITとCTの進歩を統合するフレームワークであるAI Flowを紹介します。 まず、デバイスエッジクラウドフレームワークは、エンドデバイス、エッジサーバ、クラウドクラスタを統合する基盤として機能する。 第2に,家族モデルの概念を導入し,同列に隠れた特徴を持つ様々なサイズのモデルに言及する。 第3に、コネクティビティとインタラクションに基づくインテリジェンスの出現は、AI Flowの新たなパラダイムである。
  論文  参考訳（メタデータ） (2025-06-14T12:43:07Z)
• Future-Proofing Mobile Networks: A Digital Twin Approach to Multi-Signal Management [2.5341871361006456]
  デジタルツイン(DT)は、将来の無線ネットワークにおいて重要な技術となることが期待されている。 我々のフレームワークは多様なデータソースを統合し、ネットワーク性能に関するリアルタイムで総合的な洞察を提供する。 従来の分析は、Generative AI(GenAI)のような新しいAIモデルに依存するように進化する。
  論文  参考訳（メタデータ） (2024-07-22T10:13:46Z)
• Aligning Cyber Space with Physical World: A Comprehensive Survey on Embodied AI [116.8199519880327]
  人工知能(Embodied AI)は、人工知能(AGI)の実現に不可欠である 本調査では,Embodied AIの最近の進歩を包括的に調査する。
  論文  参考訳（メタデータ） (2024-07-09T14:14:47Z)
• Large Language Model Empowered Next-Generation MIMO Networks: Fundamentals, Challenges, and Visions [80.7546823422894]
  次世代のMultiple-Input Multiple-Output (MIMO) はインテリジェントでスケーラブルであることが期待される。 本稿では、カスタマイズされた特殊コンテンツを生成することができる生成型AIエージェントの概念を提案する。 ケーススタディは、生成AIエージェントをパフォーマンス分析に活用する効果を実証する。
  論文  参考訳（メタデータ） (2024-04-13T02:39:36Z)
• Enabling Spatial Digital Twins: Technologies, Challenges, and Future Research Directions [13.210510790794006]
  デジタルツイン(Digital Twin, DT)は、物理オブジェクトやシステムの仮想レプリカであり、その動作と特性を監視し、分析し、最適化するために作成される。 空間デジタル双生児 (SDT) は、物理的実体の地理空間的側面を強調する特定のタイプのデジタル双生児である。 我々は,SDTを階層化して構築する際の空間技術について,初めて体系的に解析を行った。
  論文  参考訳（メタデータ） (2023-06-11T06:28:44Z)
• The Interplay of AI and Digital Twin: Bridging the Gap between Data-Driven and Model-Driven Approaches [2.842794675894731]
  Digital Twin(DT)の概念は、物理エンティティとネットワークダイナミクスのための仮想ツインを作成することを目的としている。 AIがDTのシードであるという一般的な理解にもかかわらず、DTとAIが互いに有効になることを期待しています。
  論文  参考訳（メタデータ） (2022-09-26T05:12:58Z)

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。