論文の概要: SysML Modeling of Digital Twins for Renewable Energy Communities
- arxiv url: http://arxiv.org/abs/2606.20230v1
- Date: Thu, 18 Jun 2026 13:40:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-19 18:23:39.884036
- Title: SysML Modeling of Digital Twins for Renewable Energy Communities
- Title（参考訳）: 再生可能エネルギーコミュニティのためのSysMLによるディジタル双生児のモデリング
- Authors: Mohammad Samadi, Luís Miguel Pinho, Andrey Sadovykh, Gabriela Lucas,
- Abstract要約: 再生可能エネルギーコミュニティ(Renewable Energy Communities, RECs)は、再生可能エネルギーの発生、貯蔵、柔軟な負荷の局所的およびグローバルな共有のための重要な組織モデルとして浮上している。
RECのDigital Twinsは、デバイス、コントラクト、実行時のデータの異質性によって難しい。
我々は、RECのDigital Twinsのためのモデルベースシステムエンジニアリング(MBSE)ワークフローに向けた第一歩を踏み出します。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Renewable Energy Communities (RECs) are emerging as a key organizational model for local and global sharing of renewable generation, storage, and flexible loads. Engineering Digital Twins of RECs is made difficult by the heterogeneity of devices, contracts, and runtime data involved. In this paper, we take a first step toward a Model-Based Systems Engineering (MBSE) workflow for REC's Digital Twins. Starting from an industrially-validated REC domain model, we re-express a representative house subset in SysML using the open-source Modelio tool, yielding two Block Definition Diagrams - a device taxonomy and a community organizational view. We then discuss four semantic gaps that plain SysML leaves open and sketch how the SAREF4ENER ontology could be imported as a reference package to close them. Combining SysML with SAREF-based semantics for smart-energy Digital Twins remains largely unexplored, and we position this paper as a first step along that line.
- Abstract（参考訳）: 再生可能エネルギーコミュニティ(Renewable Energy Communities, RECs)は、再生可能エネルギーの発生、貯蔵、柔軟な負荷の局所的およびグローバルな共有のための重要な組織モデルとして浮上している。
RECのエンジニアリング デジタルツインは、デバイス、契約、実行時のデータの異質性によって困難である。
本稿では,REC の Digital Twins のための Model-Based Systems Engineering (MBSE) ワークフローに向けて第一歩を踏み出す。
産業的に検証されたRECドメインモデルから始めて、オープンソースのModelioツールを使用して、SysMLの代表的なハウスサブセットを再表現し、2つのブロック定義ダイアグラム(デバイス分類とコミュニティの組織ビュー)を生成します。
次に、SysMLがオープンにした4つのセマンティックギャップについて議論し、SAREF4ENERオントロジーをリファレンスパッケージとしてインポートしてそれらをクローズする方法をスケッチします。
SysMLとSAREFをベースとしたスマートエネルギーのDigital Twinsのセマンティクスを組み合わせることは、まだ明らかにされていない。
関連論文リスト
- ROSE: Retrieval-Oriented Segmentation Enhancement [79.7370065070812]
既存のマルチモーダル大言語モデル(MLLM)に基づくセグメンテーションモデルは、最新の知識を組み込むことができないため、しばしば新しいまたは新しいエンティティと競合する。
本論文では,学習データがないためMLLMが認識できない新規なエンティティのセグメンテーションと,モデルの知識の中に存在するが,正確な認識のために最新の情報を要求する新興エンティティのセグメンテーションに焦点を当てた,NEST(Novel Emerging Task)を紹介した。
Rose: Retrieval-Oriented Enhancementは、MLLMベースのセグメンテーションモデルを拡張するために設計されたプラグインとプレイのフレームワークです。
論文 参考訳（メタデータ） (2026-04-15T17:59:35Z) - OnePiece: Bringing Context Engineering and Reasoning to Industrial Cascade Ranking System [61.12400636463362]
OnePieceは、LLMスタイルのコンテキストエンジニアリングと推論を、検索モデルとランキングモデルの両方にシームレスに統合する統合フレームワークである。
OnePieceは、Shopeeの主要なパーソナライズされた検索シナリオにデプロイされ、さまざまな主要なビジネス指標で一貫したオンラインゲインを実現している。
論文 参考訳（メタデータ） (2025-09-22T17:59:07Z) - OptMerge: Unifying Multimodal LLM Capabilities and Modalities via Model Merging [124.91183814854126]
モデルマージは、複数のエキスパートモデルをひとつのモデルに組み合わせようとしている。
本稿ではMLLMのトレーニングと評価のタスクを明確に分割したモデルマージ研究のベンチマークを紹介する。
モデルマージは、トレーニングデータを必要とせずに改善されたMLLMを構築するための有望な方法であることがわかった。
論文 参考訳（メタデータ） (2025-05-26T12:23:14Z) - xGen-MM (BLIP-3): A Family of Open Large Multimodal Models [145.5926980973847]
BLIP-3は大規模マルチモーダルモデルを開発するためのオープンフレームワークである。
事前訓練されたベースモデルと微調整された命令を含む4Bと14Bのモデルをリリースする。
我々のモデルは、類似のモデルサイズを持つオープンソースのLMM間での競合性能を示す。
論文 参考訳（メタデータ） (2024-08-16T17:57:01Z) - AMSNet: Netlist Dataset for AMS Circuits [8.601352527168821]
我々は、スキーマをネットリストに変換する自動手法を開発し、データセットAMSNetを作成する。
サイズが大きくなるにつれて、AMSNetはAMS回路設計におけるMLLMアプリケーションの探索を著しく容易にする。
論文 参考訳（メタデータ） (2024-05-15T02:46:04Z) - Generation of Asset Administration Shell with Large Language Model Agents: Toward Semantic Interoperability in Digital Twins in the Context of Industry 4.0 [0.6749750044497732]
本研究は,デジタル双生児におけるセマンティック・インターオペラビリティを実現するための新しいアプローチを提案する。
業界 4.0 におけるデジタル双対モデルとしてアセット管理シェル (AAS) の作成を支援する。
論文 参考訳（メタデータ） (2024-03-25T21:37:30Z) - Large Multi-Modal Models (LMMs) as Universal Foundation Models for
AI-Native Wireless Systems [57.41621687431203]
大規模言語モデル (LLM) と基礎モデルは6Gシステムのゲームチェンジャーとして最近注目されている。
本稿では,人工知能(AI)ネイティブネットワークの展開に適したユニバーサルファンデーションモデルを設計するための包括的ビジョンを提案する。
論文 参考訳（メタデータ） (2024-01-30T00:21:41Z) - Serving Deep Learning Model in Relational Databases [70.53282490832189]
リレーショナルデータ上での深層学習(DL)モデルの実現は、様々な商業分野や科学分野において重要な要件となっている。
最先端のDL中心アーキテクチャは、DL計算を専用のDLフレームワークにオフロードします。
UDF中心アーキテクチャの可能性は、リレーショナルデータベース管理システム(RDBMS)内の1つ以上のテンソル計算をユーザ定義関数(UDF)にカプセル化する。
論文 参考訳（メタデータ） (2023-10-07T06:01:35Z)
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。