本论文提出了一种考虑到异构的移动云计算 / 移动边缘计算环境的数字孪生系统模型以及一个新的基于分布式深度学习的卸载方案，并通过实验结果证明了该算法相对于动态数字孪生系统中的基线具有较好的降低系统平均延迟和能耗的效果。

Jul, 2023

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

本论文提出了一种基于深度学习的移动边缘计算系统，旨在通过优化用户关联、资源分配和卸载概率来最小化归一化能量消耗，并考虑服务质量要求。仿真结果表明，相比现有方法，我们的方法可以实现更低的归一化能量消耗，并具有更少的计算复杂度。

Jun, 2019

通过持续数据同化，智能数字孪生系统（SDTs）在多个领域中使用图像数据观察和学习系统行为，并控制其行为，从而提高复杂系统的性能优化。本文聚焦于不断同化物理系统中的图像数据来发展基于图像的 SDTs 的各种方法及相关挑战，并讨论了设计和实现 DL 模型用于 SDTs 所面临的挑战，包括数据采集、处理和解释等方面。此外，还提供了关于发展新的基于图像的 DL 方法以构建稳健 SDTs 的未来方向和机会，包括利用生成模型进行数据增强，开发多模态 DL 模型，以及探索与 5G、边缘计算和物联网等其他技术的融合。本文描述了基于图像的 SDTs，使得数字孪生系统（DT）的范式能够在广泛的领域得到更广泛的应用，并开发新的方法以提高 SDTs 在复制、预测和优化复杂系统行为方面的能力。

Jan, 2024

提出了一种新的可重构智能表面（RIS）辅助、用户为中心的无线接入系统，通过数字孪生管理。该文档设计了一个新的学习框架，通过联合优化接入点和用户关联、功率控制和 RIS 波束成形来最大化总和速率，以提高 UCCF 系统的性能，此框架优于其他方法。

Feb, 2023

本文提出了一种基于因果语义通信的数字孪生系统 (DT) 框架，通过利用人工智能等技术来实现连接智能服务，从而处理基于 DT 的大量网络数据，实现网络决策并较好地实现语义可靠性。

Apr, 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

ISAC-NET 通过模型驱动的深度学习方法将被动传感与通信信号检测相结合，实现了较好的通信性能和显著提升的感知性能，是一种在无线通信中具有潜力的被动感知和通信工具。

Jul, 2023

这篇文章介绍了在应用和物理层中，通过研究三个高度耦合的过程的相互作用，提出了各种各样的集成传感 - 通信 - 计算方案，以改善资源利用率和实现边缘人工智能任务的定制目标。

Jun, 2023

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