Nov, 2023

工业网络的数字孪生本地化人工智能驱动服务架构

PDF
TL;DR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。
connectivity demandinternet of thingsdigital twinai-driven service architectureinternet of vehicles
发现论文，激发创造
  • 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

    数字孪生网络在网络编排、资源管理和人工智能模型训练及智能推理等方面具有重要作用，是实现 6G 网络的关键技术之一。本文探讨数字孪生网络与人工智能相互促进的机制，并为探索数字孪生网络与人工智能的未来研究方向提供参考。

    Sep, 2022

  • 工业数字孪生在下一代无线网络和计算智能交汇处的调查

    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

  • 数字孪生图：物联网世界的自动领域无关构建，融合和模拟

    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

  • 优化数字孪生网络的实数据驱动网络评估模型

    基于实际网络数据，本文提出了一种基于自动编码器的跳连接消息传递神经网络（AE-SMPN）作为网络评估模型，通过利用图神经网络（GNN）与循环神经网络（RNN）模型捕捉网络数据的时空特征，并且使用自动编码器（AE）提取初始特征。该神经网络是使用巴塞罗那神经网络中心（BNN-UPC）提供的真实 DTN 数据集进行训练的，本文还提供了模型结构的分析和实验结果。

    May, 2024

  • 数字孪生：从概念到实践

    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

  • 用于工业物联网的自适应联邦学习和数字孪生

    本研究提出了一种数字孪生的工业物联网新架构，通过可信的协作聚合机制，自适应地控制分布式学习频率并异步聚类，来提高学习性能，从而优化其工业 4.0 的应用效果。

    Oct, 2020

  • 数字孪生网络中随机计算卸载的深度强化学习

    本文提出了一种新的数字孪生网络（DTN）模型来帮助 IIoT 系统中的网络拓扑和随机任务到达模型，进而将随机计算卸载和资源分配问题转化为 Lyapunov 优化问题，并使用异步 Actor-Critic 算法来找到最优的随机计算卸载策略和提高能源效率。研究结果表明，该方案显著优于基准。

    Nov, 2020

  • 基于数字双胞胎的用户中心边缘持续学习在综合感知与通信中的应用

    本文提出了基于数字孪生的用户中心方法，用于在具有高准确性和有效资源利用的集成感知与通信系统中处理感知数据。通过构建 ISAC 设备的数字孪生模型，根据潜在决策预测服务器长期计算成本的影响，优化两个决策：感知数据卸载和 DNN 更新的感知数据选择。通过实验证明了该方法在计算成本最小化方面的出色性能。

    Nov, 2023

  • 能源数字双胞胎中的人工智能：基于强化学习的适应性数字双胞胎模型对绿色城市的应用

    数字孪生（DT）对于实现可持续和有效的智慧城市解决方案至关重要，但现有的 DT 建模技术无法支持智慧城市环境的动态性，本研究探讨了时空图，并提出了基于强化学习的自适应孪生（RL-AT）机制，通过深度 Q 网络（DQN）的方法来填补该空白，该研究在精确性、同步性、资源优化和能源效率方面做出了贡献，时空图模型能够以更一致的精确性提供 55% 更高的查询性能，此外，我们的模型还证明了较低的开销和节能消耗率，实现了合理时间的数据获取，开销下降了 20%，能源消耗下降了 25%。

    Jan, 2024

  • 将生成式人工智能与网络数字孪生集成，增强网络运营

    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