論文の概要: Model-Driven Data Contracts for Digital Twin Services

• arxiv url: http://arxiv.org/abs/2607.28803v1
• Date: Thu, 30 Jul 2026 19:58:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-03 14:29:40.474511
• Title: Model-Driven Data Contracts for Digital Twin Services
• Title（参考訳）: ディジタルツインサービスのためのモデル駆動データコントラクト
• Abstract要約: 我々はDigital Twins(DTs)における契約ベースの品質管理へのアプローチを提案する。 このような契約の理論を定義し、それをDT内に設計的に配置し、契約を指定するためのドメイン固有言語を提案します。 当社のアプローチはデータ品質の継続的な監視を可能にし,DTサービスの信頼性と品質を向上させる。
• 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: Digital Twins (DT) integrate data from multiple sources. Models consume data and enable DT services such as simulations, what-if analyses, and ML-driven predictions. To ensure proper DT operation, data-driven services require data to exhibit traits such as reliability and high quality (including, e.g., accuracy, completeness, and timeliness). Yet, there is no systematic way to specify data requirements at the model level, and subsequently enact those specifications at runtime. To address this shortcoming, we propose an approach to contract-based quality management in DTs. We formally define a theory of such contracts, situate them architectually within DTs, and propose a domain-specific language to specify contracts. Our approach enables continuous data quality monitoring, thereby improving the reliability and quality of DT services.
• Abstract（参考訳）: Digital Twins (DT) は複数のソースからのデータを統合する。 モデルはデータを消費し、シミュレーション、What-if分析、ML駆動予測などのDTサービスを可能にする。 適切なDT操作を保証するため、データ駆動サービスは、信頼性や高品質(例えば、正確性、完全性、タイムラインを含む)などの特性を示すデータを必要とする。 しかし、モデルレベルでデータ要求を指定し、その後実行時にそれらの仕様を実行する体系的な方法はありません。 この欠点に対処するため,DTにおける契約ベースの品質管理手法を提案する。 このような契約の理論を正式に定義し、DT内に設計的に配置し、契約を指定するためのドメイン固有言語を提案します。 当社のアプローチはデータ品質の継続的な監視を可能にし,DTサービスの信頼性と品質を向上させる。

関連論文リスト

• A Model-Driven Pipeline for Data Quality Specification and Operationalization: A No-Code Approach for Domain Experts [0.0]
  データ品質制約を形式化し、運用するためのパイプラインを提案する。 再利用可能な品質分析のためのテンプレートを定義するメタモデルであるQPMを用いて、このパイプラインをサポートします。 Constrainifyはテンプレートを特定の概念的な要件に合わせて調整し、実行可能な品質分析に変換することを可能にする。
  論文  参考訳（メタデータ） (2026-07-27T10:32:26Z)
• Cross-Learning from Scarce Data via Multi-Task Constrained Optimization [70.90607489166648]
  本稿では,データ不足を克服するマルチタスク・エンフクロス学習フレームワークを提案する。 我々はこの結合推定を制約付き最適化問題として定式化する。 本研究では, 画像分類や伝染病の伝播を含む実データを用いて, クロスラーニング手法の有効性を示す。
  論文  参考訳（メタデータ） (2025-11-17T18:35:59Z)
• A Service Suite for Specifying Digital Twins for Industry 5.0 [0.0]
  デジタルツイン(DT)は、情報処理や意思決定支援に使用することができる。 DT-Createスイートはインテリジェントな技術、セマンティックデータ処理、自己適応に基づいている。
  論文  参考訳（メタデータ） (2025-11-10T18:40:01Z)
• Agent Data Protocol: Unifying Datasets for Diverse, Effective Fine-tuning of LLM Agents [85.02904078131682]
  本稿では,エージェントデータセット間の"インターリングア"として機能する軽量表現言語であるエージェントデータプロトコル(ADP)を紹介する。 ADPはAPI/ツールの使用、ブラウジング、コーディング、ソフトウェアエンジニアリング、一般的なエージェントなど、さまざまなタスクを捉えるのに十分な表現力を持っている。 すべてのコードとデータが公開され、ADPが標準化され、スケーラブルで再現可能なエージェントトレーニングの障壁を低くすることを期待している。
  論文  参考訳（メタデータ） (2025-10-28T17:53:13Z)
• Empowering Large Language Models in Wireless Communication: A Novel Dataset and Fine-Tuning Framework [81.29965270493238]
  我々は,無線通信アプリケーションのための大規模言語モデル(LLM)の評価と微調整を目的とした,特殊なデータセットを開発した。 データセットには、真/偽と複数選択型を含む、さまざまなマルチホップ質問が含まれている。 本稿では,PVI(Pointwise V-Information)に基づく微調整手法を提案する。
  論文  参考訳（メタデータ） (2025-01-16T16:19:53Z)
• DDD-GenDT: Dynamic Data-driven Generative Digital Twin Framework [0.43127334486935653]
  デジタルツイン(DT)技術は、物理システムのリアルタイムシミュレーション、予測、最適化を可能にする。 この記事では、動的データ駆動型アプリケーションシステムパラダイムに基づく動的データ駆動型ディジタルツインフレームワークであるDDD-GenDTを紹介します。 生成AIを活用することにより、DDD-GenDTは、広範な履歴データセットへの依存を低減し、データスカース設定でのDT構築を可能にする。
  論文  参考訳（メタデータ） (2024-12-28T01:13:30Z)
• SIDE: Surrogate Conditional Data Extraction from Diffusion Models [32.18993348942877]
  textbfSurrogate condItional Data extract (SIDE) は、データ駆動型サロゲート条件を構築し、任意のDPMからターゲット抽出を可能にするフレームワークである。 SIDEは、いわゆる安全無条件モデルからトレーニングデータを抽出し、条件付きモデルであってもベースラインアタックより優れていることを示す。 我々の研究は、DPMの脅威状況を再定義し、厳密な条件付けを基本的な脆弱性として確立し、モデルプライバシ評価のための新しいより強力なベンチマークを設定します。
  論文  参考訳（メタデータ） (2024-10-03T13:17:06Z)
• From Data Quality for AI to AI for Data Quality: A Systematic Review of Tools for AI-Augmented Data Quality Management in Data Warehouses [0.0]
  分析、コンプライアンス、AIのパフォーマンスには、高データ品質(DQ)が不可欠だ。 本研究では,データウェアハウスにおけるAI強化データ品質管理(DQM)をサポートする既存のツールについて検討する。
  論文  参考訳（メタデータ） (2024-06-16T13:43:04Z)
• DSDL: Data Set Description Language for Bridging Modalities and Tasks in AI Data [50.88106211204689]
  人工知能の時代において、データモダリティとアノテーションフォーマットの多様性は、しばしば直接使用できないデータをレンダリングする。 本稿では,AIデータセットの統一標準を提供することにより,データセット処理の簡略化を目的としたフレームワークを紹介する。 DSDLの標準化された仕様は、データの拡散、処理、使用におけるユーザの作業量を削減します。
  論文  参考訳（メタデータ） (2024-05-28T16:07:45Z)
• A Bayesian Framework for Digital Twin-Based Control, Monitoring, and Data Collection in Wireless Systems [35.59201763567714]
  デジタルツイン(DT)プラットフォームは、ソフトウェアベースのオープンな通信システムを制御、監視、分析するための有望なパラダイムと見なされている。 DTシステムのデプロイにおける重要な課題は、DTにおける仮想制御の最適化、監視、分析が安全で信頼性の高いものであることを保証することである。 本稿では,DTにおけるモデル不確実性の定量化と解析を目的とした一般ベイズフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-12-02T18:13:48Z)
• DATA: Domain-Aware and Task-Aware Pre-training [94.62676913928831]
  我々は、自己教師付き学習(SSL)に特化した、シンプルで効果的なNASアプローチであるDataを提示する。 提案手法は,画像分類,オブジェクト検出,セマンティックセグメンテーションなど,下流タスクにおける計算コストの広い範囲にわたる有望な結果を実現する。
  論文  参考訳（メタデータ） (2022-03-17T02:38:49Z)
• Data-SUITE: Data-centric identification of in-distribution incongruous examples [81.21462458089142]
  Data-SUITEは、ID(In-distriion)データの不連続領域を特定するためのデータ中心のフレームワークである。 我々は,Data-SUITEの性能保証とカバレッジ保証を実証的に検証する。
  論文  参考訳（メタデータ） (2022-02-17T18:58:31Z)

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。