数字孪生（DT）已成为增强工业物联网（IIoT）网络中制造效率的有前途的解决方案。为了提高无线 IIoT 网络中 DT 的效率和可靠性，我们提出了一种区块链启用的 DT（B-DT）框架，采用深度神经网络分区技术和基于声誉的共识机制，其中在网关端维护的 DT 使用从关联 IIoT 设备收集的数据执行 DNN 推理任务。通过将顶层 DNN 推理任务卸载到接入点（AP）端，我们首先采用 DNN 分区技术，减轻了网关端的计算负担，从而提高了 DNN 推理的效率。其次，我们提出了一种基于声誉的共识机制，将工作量证明（PoW）和权益证明（PoS）进行融合。具体而言，所提出的共识机制根据每个 AP 的计算资源对 DNN 推理任务的贡献评估其链下声誉，并将链下声誉作为权益来调整区块生成的难度。第三，我们制定了一种通信资源（即分区点）和计算资源分配（即 AP 的顶层 DNN 推理和区块生成的计算频率）的随机优化问题，以在时变信道状态和链下声誉的长期约束条件下最小化系统延迟，并使用李雅普诺夫优化方法解决问题。实验结果表明，所提出的动态 DNN 分区和资源分配（DPRA）算法在减少总体延迟同时保证 B-DT 系统的可信度方面优于基线算法。

May, 2024

本文研究了如何利用 DDDAS 反馈循环来支持 trilemma 的优化组件，利用强化学习代理和模拟组件来提高学习模型的质量，同时减少决策所需的计算开销。

Dec, 2023

该研究介绍了数字孪生技术在智能制造业中的功能方面和创新应用，并对 NextG 无线技术、数据分析和边缘云计算等进行了全面的综述和反思，同时讨论数字孪生在不同工业通信层的部署策略，总结了相关的关键问题和未来研究方向。

Aug, 2021

介绍物联网应用和 DLTs 的限制和机会，研究资源受限设备与分布式信任网络集成中遇到的技术挑战及轻量级同步协议共同特征，并根据物联网视角提出新的分类方案，发现需要在端点设备接收账本信息，隐含着一种两向数据交换的需求，与 IoT 系统的传统的上行通信技术完全不同。

Mar, 2019

互联需求的剧增导致物联网（IoT）传感器过量。为了满足大规模网络的管理需求，如准确的监测和学习能力，数字孪生是关键驱动因素。然而，由于物联网网络的连续连接要求，目前对数字孪生的实施尝试仍然不足。为了应对这些挑战，我们提出了一种数字孪生本地 AI 驱动的服务架构，以支持物联网网络概念。在提出的数字孪生本地架构中，我们实现了基于 TCP 的数据流水线和基于强化学习的学习模型。我们将该架构应用于物联网网络的一个广泛概念，即车联网。我们测量了我们提出的架构的效率，并注意到由于基于 TCP 的数据流水线而节约了约 30％的处理时间。此外，我们通过应用多种学习速率组合来测试学习模型的性能，并强调最成功的模型。

Nov, 2023

该论文介绍了利用数字孪生技术来帮助区块链系统的动态管理和重组，通过动态选择共识协议等方式维护区块链系统的性能平衡，模拟结果表明该数字孪生架构能够有效支持区块链的动态适应和管理。

Apr, 2022

本文介绍了数字孪生无线网络（DTWN），并在其中运行了一种基于区块链的联邦学习框架，以协作式计算提高系统的可靠性和安全性并提高数据隐私，并通过多智能体强化学习找到了最优解。

Nov, 2020

该研究提出了一个数字孪生框架，应用于石油和天然气工业中的气举过程，旨在提高数字孪生系统的稳健性和适应性。该框架结合了贝叶斯推断、蒙特卡罗模拟、迁移学习和不确定性管理等技术，为数字孪生系统提供高效、可靠、值得信赖的识别，并致力于改进复杂实际场景中的决策过程。

Nov, 2023

本文对物联网网络中现有的区块链协议进行了全面调查，提供了区块链技术在物联网应用领域、威胁模型、分类、安全保障等方面的概述和比较，并重点介绍了未来研究的方向和挑战。

Jun, 2018

本研究结合边缘计算和区块链技术的特点，提出了一种基于区块链的数据传输机制，使用分布式架构保证数据不被篡改，最终模拟结果表明该方案可以在很大程度上保证物联网中数据传输的可靠性。

Feb, 2022