論文の概要: A Multi-Viewpoint Modeling Framework for Digital Twin Integration and Reuse with LLM-Assisted Compatibility Analysis
- arxiv url: http://arxiv.org/abs/2608.23115v1
- Date: Mon, 24 Aug 2026 11:25:41 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-25 13:29:44.034141
- Title: A Multi-Viewpoint Modeling Framework for Digital Twin Integration and Reuse with LLM-Assisted Compatibility Analysis
- Title（参考訳）: LLM対応コンパチビリティ解析を用いたデジタル双極子統合・再利用のための多視点モデリングフレームワーク
- Abstract要約: 本稿では,オープン分散処理参照モデル(RM-ODP)に基づく多視点統合モデリングフレームワークを提案する。
このフレームワークは、ドメイン、情報、計算、エンジニアリング、技術の観点から統合関連知識を構築する。
i) 系統的なモデル記述と発見のための視点構造化モデルメタモデルと(ii) 相互参照互換性の制約を運用するパターン対応のMismatch Detectorから構成される。
- 参考スコア（独自算出の注目度）: 3.9988117849258056
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Digital Twin (DT) ecosystems integrate heterogeneous computational models to represent complex systems under evolving, purpose-specific objectives. Systematic reuse of existing high-quality models and datasets is essential for scalable DT development, yet is constrained by heterogeneity in semantic intent, data structures, behavioral interfaces, and execution environments. As a result, integration becomes a cross-model, cross-view consistency problem that is hard to predict, quantify, and compare across design choices. Existing standards and integration platforms address these concerns separately, offering limited support for structured, purpose-aware compatibility assessment and early feasibility analysis when models are reused under new DT objectives. This paper introduces a multi-viewpoint integration modeling framework grounded in the Reference Model of Open Distributed Processing (RM-ODP). The framework structures integration-relevant knowledge across domain, information, computational, engineering, and technology viewpoints, representing cross-view dependencies as explicit, machine-actionable metadata. It comprises (i) a viewpoint-structured Model Metamodel for systematic model description and discovery, and (ii) a pattern-aware Mismatch Detector that operationalizes cross-view compatibility constraints via integration patterns, combining deterministic rule generation with Large Language Model (LLM)-assisted reasoning. This enables systematic identification of semantic, informational, and runtime inconsistencies and supports reasoning about integration feasibility and effort before implementation. Expert validation and an environmental modeling case study show that the approach enables structured compatibility reasoning, improves transparency of integration assumptions, strengthens cross-view interoperability, and supports scalable reuse in heterogeneous DT ecosystems.
- Abstract（参考訳）: デジタルツイン(DT)エコシステムは、進化的、目的特異的な目的の下で複雑なシステムを表現するために異種計算モデルを統合する。
既存の高品質なモデルとデータセットの体系的な再利用は、スケーラブルなDT開発には不可欠ですが、セマンティックインテント、データ構造、振る舞いインターフェース、実行環境の不均一性によって制約されています。
結果として、統合は、設計選択の予測、定量化、比較が難しい、クロスモデル、クロスビュー整合性の問題になります。
既存の標準と統合プラットフォームは、これらの懸念に別々に対処し、新しいDTの目的の下でモデルが再利用される場合、構造化された、目的対応の互換性評価と早期実現可能性分析を限定的にサポートします。
本稿では,オープン分散処理参照モデル(RM-ODP)に基づく多視点統合モデリングフレームワークを提案する。
このフレームワークは、ドメイン、情報、計算、エンジニアリング、および技術の観点から統合関連知識を構成し、相互依存を明示的でマシン操作可能なメタデータとして表現する。
構成
一 系統的モデル記述・発見のための視点構造モデルモデル
(II)大言語モデル(LLM)を利用した推論と決定論的ルール生成を組み合わせることにより、統合パターンを介してクロスビュー互換性制約を運用するパターン認識型Mismatch Detector。
これにより、セマンティック、情報、実行時の矛盾を体系的に識別することができ、実装前に統合の実現可能性と労力に関する推論をサポートする。
専門家による検証と環境モデリングのケーススタディは、このアプローチが構造化された互換性の推論を可能にし、統合の前提の透明性を改善し、クロスビューの相互運用性を強化し、異種DTエコシステムにおけるスケーラブルな再利用をサポートすることを示す。
関連論文リスト
- UModel: An Agent-Ready Observability Data Modeling Method at Scale [25.076726153200084]
データ中心のモデリングからオブジェクト中心のモデリングへ可観測性をシフトする統一的なオントロジフレームワークであるUModelを提案する。
UModelを使用して"AIOps 2025 Challenge"データセットを再モデル化することで、根本原因のローカライゼーションの精度が8%向上した。
UModelは数万のユーザに仕え、毎秒数百万のオペレーションを持続し、秒未満のクエリレイテンシを提供する。
論文 参考訳（メタデータ） (2026-06-03T12:25:50Z) - Toward Native Multimodal Modeling: A Roadmap [73.2994129763275]
マルチモーダルモデリングは、モダリティに依存しない推論から世界モデリングへの重要なステップである。
近年の取り組みは、パラダイムをネイティブなマルチモーダルモデリングへとシフトさせてきた。
その可能性にもかかわらず、ネイティブアーキテクチャの設計空間は未だ十分に定義されていない。
論文 参考訳（メタデータ） (2026-05-25T01:57:43Z) - A Unified Framework for Structured Flow Modeling: From Continuous Fields to Data-Driven Representations [0.0]
力学系は、ソース/シンクの挙動、循環力学、トポロジーに制約された輸送を結合した構造的流れで記述することができる。
この研究は、ヘルムホルツ・ホッジ分解に基づく連続的な定式化を離散的およびデータ駆動的表現と結合することによって、そのようなシステムに対する統一的な視点を提供する。
論文 参考訳（メタデータ） (2026-05-18T11:52:09Z) - Graph-Structured Deep Learning Framework for Multi-task Contention Identification with High-dimensional Metrics [7.231459004015238]
本研究では,高次元システム環境におけるマルチタスク競合タイプを正確に同定することの課題に対処する。
表現変換,構造モデリング,タスク分離機構を統合したコンテント分類フレームワークを提案する。
パブリックシステムトレースデータセットで実施された実験は、精度、リコール、精度、F1の利点を示している。
論文 参考訳（メタデータ） (2026-01-28T08:54:15Z) - Heterogeneous Model Alignment in Digital Twin [0.0]
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。
論文 参考訳（メタデータ） (2025-12-17T10:36:55Z) - NExT-OMNI: Towards Any-to-Any Omnimodal Foundation Models with Discrete Flow Matching [64.10695425442164]
NExT-OMNI(英語版)は、離散フローパラダイムによる統一モデリングを実現するオープンソース・オムニモーダル・ファンデーション・モデルである。
NExT-OMNIは、大規模なインターリーブ付きテキスト、画像、ビデオ、オーディオデータに基づいて訓練され、マルチモーダル生成および理解ベンチマーク上で競合するパフォーマンスを提供する。
さらなる研究を進めるために、トレーニングの詳細、データプロトコル、およびコードとモデルチェックポイントの両方をオープンソース化する。
論文 参考訳（メタデータ） (2025-10-15T16:25:18Z) - Learning Time-Aware Causal Representation for Model Generalization in Evolving Domains [50.66049136093248]
動的因果要因と因果機構のドリフトを組み込んだ時間認識型構造因果モデル(SCM)を開発した。
本研究では,時間領域毎に最適な因果予測値が得られることを示す。
合成と実世界の両方のデータセットの結果から,SynCは時間的一般化性能に優れることが示された。
論文 参考訳（メタデータ） (2025-06-21T14:05:37Z) - Optimize Incompatible Parameters through Compatibility-aware Knowledge Integration [104.52015641099828]
既存の研究は、そのようなパラメータを除去したり、複数の異なる事前訓練されたモデルの出力をマージすることに長けている。
本稿では,Deep AssessmentとDeep SplicingからなるCompatibility-Aware Knowledge Integration (CKI)を提案する。
統合モデルは推論やさらなる微調整に直接使用することができる。
論文 参考訳（メタデータ） (2025-01-10T01:42:43Z) - Variable Importance Matching for Causal Inference [73.25504313552516]
これらの目標を達成するためのModel-to-Matchと呼ばれる一般的なフレームワークについて説明する。
Model-to-Matchは、距離メートル法を構築するために変数重要度測定を使用する。
LASSO を用いて Model-to-Match フレームワークを運用する。
論文 参考訳（メタデータ） (2023-02-23T00:43:03Z) - 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) - Driving Digital Engineering Integration and Interoperability Through
Semantic Integration of Models with Ontologies [0.0]
本稿では,Digital Engineering Framework for Integrationを紹介します。
DEFII、SWTをエンジニアリング設計および分析タスクに組み込む。
このフレームワークは、オントロジーに準拠したデータと対話するための3つの表記インターフェイスを含んでいる。
フレームワークの使用は、ツールに依存しない、プロジェクト全体、システム、ミッションにまたがる真実の信頼できる情報源をもたらす。
論文 参考訳（メタデータ） (2022-06-08T14:58:09Z)
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。