基于动态数据驱动的区块链系统数字孪生
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
本文提出了一种利用可解释机器学习和目标建模的方法，以加强人在环路动态数据驱动的应用系统和数字孪生系统的可解释性，并考虑效用的权衡分析。实验结果表明，该方法在智能仓储的运用中取得了成功。
Jul, 2022
该研究提出了一种基于区块链技术的工业物联网 (DTs) 框架，以解决数据管理和安全性等问题，并讨论了 DTs 和区块链技术集成的关键挑战和未来研究方向。
Oct, 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
对于非线性动力系统的数字孪生，其基本要求是能够生成系统的演化并预测潜在的灾难性紧急行为，以提供早期警示。数字孪生可以实时用于系统的 “健康” 监测和预测问题的解决。构建非线性动力系统的数字孪生有两种方法：稀疏优化和机器学习。本文描述了这两种方法的基本概念并讨论了它们的优势和注意事项。
Sep, 2023
数字孪生的发展代表了一种在受控数字空间中模拟和优化复杂系统的变革性进展，本文介绍了一种智能框架用于构建和评估数字孪生，旨在提高数字孪生在测试算法性能方面的准确性和实用性。
Jun, 2024
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
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
本研究提出了一种基于预测性数字孪生的方法，用于土木工程结构的健康监测、维护和管理规划，通过动态贝叶斯网络建模实现了实时的结构健康诊断和故障预测，并利用此信息用于动态决策框架中的维护和管理行动的优化规划。通过两个综合案例研究，验证了该方法对健康感知数字孪生的动态决策能力。
Aug, 2023