AI 与数字孪生的相互作用:构建数据驱动和模型驱动方法之间的桥梁
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
本文提出了一个数字化框架,通过权衡每个层次的利弊,制定数字孪生系统的评价标准,评估所选数字孪生系统对组织流程、策略和价值创造的影响,来帮助实践者选择数字孪生系统中的适当复杂度,同时提出数字孪生系统能提供诸如预测、模拟、人工智能和机器学习等新兴能力的误用选择可能带来的风险。三个实际案例证明了该框架的应用和实用性。
Jan, 2022
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
本文讨论了实现元宇宙服务所需的关键问题,并提出了一种将数字孪生 (DT) 与其他高级技术(如第六代 (6G) 通信网络、区块链和人工智能)相结合的框架,来维持连续端到端的元宇宙服务的方案。此外,本文还概述了集成数字孪生框架的需求,并展望了这个不断发展的主题。
Oct, 2022
电信网络变得越来越复杂,与网络数字孪生和生成式人工智能(AI)等先进技术的整合成为增强网络运营和弹性的关键解决方案。本文探讨了网络数字孪生与生成式人工智能(尤其关注生成对抗网络(GANs)和变分自编码器(VAEs))之间的协同作用。我们提出了一个新颖的架构框架,将这些技术结合起来,显著提高了预测性维护、网络场景模拟和实时数据驱动决策的能力。通过广泛的模拟,我们证明了生成式人工智能如何提高网络数字孪生的准确性和运营效率,有效处理不可预测的流量负载和网络故障等现实世界的复杂性。研究结果表明,这种整合不仅增强了数字孪生在情景预测和异常检测方面的能力,还促进了更自适应、智能的网络管理系统。
Jun, 2024
近年来,神经科学和人工智能的进展为理解大脑的复杂性以及计算系统对其的模拟提供了前所未有的机会。本文中,我们提出数字孪生大脑(DTB)作为一个桥梁,将生物学和人工智能连接起来。DTB 由大脑结构、底层模型和广泛应用构成。关键是,脑图谱为 DTB 内的大脑网络组织提供了重要约束。此外,我们强调了跨学科领域的联合努力所带来的开放问题,并强调了 DTB 的深远影响。DTB 能够提供对智能和神经系统疾病形成的前所未有的洞察力,这对于推进我们对生物学和人工智能的理解,进一步推动人工通用智能的发展,以及促进精确的精神卫生保健具有重大的潜力。
Aug, 2023
数字孪生、Society 5.0、互联网联合数字孪生、分层架构和 IoFDT 平台是本文的关键词,该文讨论了如何实现 IoFDT 概念,挑战和创新解决方案,并强调了一个统一的 IoFDT 平台的重要性与实际应用。
Dec, 2023
数字孪生通过同步数字复制品实现物理实体的仿真、评估和优化,在复杂的无线网络中作为一项有前景的技术引起了越来越多的关注。本文讨论了在 6G 时代中,考虑到复杂的网络架构、巨大的网络规模、广泛的覆盖范围和多样化的应用场景,对无线网络数字孪生的新要求,并进一步探讨了生成式人工智能,如变压器和扩散模型等在多个方面强化 6G 数字孪生的应用,包括实施、物理 - 数字同步和切片能力。随后,我们提出了一个基于分层生成式人工智能的无线网络数字孪生,包括消息层和策略层,并通过数值结果提供了一个典型的应用案例来验证其有效性和效率。最后,我们讨论了 6G 时代无线网络数字孪生的开放性研究问题。
Nov, 2023
本文提出了数字孪生图(DTG)的概念,是一种自动化的、不依赖领域专家的数字孪生构建方法,采用数据驱动和图学习方法应对数字孪生的挑战。
Apr, 2023