digital twin
PulseAugur coverage of digital twin — every cluster mentioning digital twin across labs, papers, and developer communities, ranked by signal.
- uses deep reinforcement learning 80%
- used by deep reinforcement learning 80%
- used by 6G 80%
- instance of Gotit.pub 70%
- instance of alphaXiv 70%
- instance of ScienceCast 70%
- used by alphaXiv 70%
- used by CatalyzeX 70%
- instance of CatalyzeX 70%
- used by Gotit.pub 70%
- used by Open Radio Access Network 70%
- affiliated with 6G 60%
15 天有情绪数据
-
LLM数字孪生通过结构化角色数据而非仅数量得到改进
研究人员开发了一种新方法，通过关注角色信息的结构而非仅仅数据量来创建更准确的基于LLM的数字孪生。他们引入了一个手工设计的模式（BDE：背景、决策程序、评估），该模式提高了同质基准上的预测准确性。然而，这种固定的结构未能很好地泛化到多样化任务。为了克服这一点，他们提出了一个自动结构发现管道，其中LLM迭代地改进特定任务的角色结构和提取提示，从而恢复了在异构基准上的性能。
-
供水管网中的人工智能泄漏诊断通过可验证的弃权获得问责制
一篇新研究论文介绍了一种提高用于诊断供水管网泄漏的人工智能系统问责制的方法。该方法将泄漏定位视为一个决策过程，其中包括可验证的弃权，允许人工智能在证据不足时自信地弃权。该系统使用一个基于物理的执行器代理和一个带有 LLM 审计员的监督代理，以根据可验证的合同检查证据，从而提高派遣维修人员的精度并提高供水基础设施的运行效率。
-
数字孪生IDS检测车辆中的隐蔽CAN总线攻击
研究人员开发了一种新颖的基于数字孪生的车辆动力总成CAN总线系统入侵检测系统（IDS）。该系统模拟动力总成信号之间的物理关系，以预测行为并识别操纵数据负载但保持正常通信模式的攻击。该数字孪生使用共享编码器LSTM在Hyundai/Kia CAN日志上进行训练，其性能优于传统的范围和合理性基线，尤其在检测隐蔽的负载攻击方面。
-
扩散模型通过强化学习和数字孪生增强无人机决策能力
一篇新研究论文探讨了将扩散模型（DMs）与强化学习（RL）和数字孪生（DT）技术相结合，以增强无人机（UAVs）的能力。该论文利用扩散模型学习概率分布和生成真实数据的能力，解决了无人机决策和建模中的挑战，从而提高了强化学习训练和数字孪生仿真的准确性和效率。仿真结果表明，扩散模型在通过深度强化学习进行的无人机集群协调任务中，在生成邻近速度估计方面非常有效。
-
研究人员发现数字孪生退化信号表明存在网络物理攻击
研究人员开发了一个新的框架，通过监控数字孪生的时间不一致性来检测网络物理攻击。该方法在正常系统行为上训练数字孪生预测器，然后分析预测状态与观测状态之间的差异。这些不一致性被转化为捕捉预测残差演变的时间特征，然后由无监督密度模型和序列变化检测机制使用，以识别表明攻击的偏差。该框架已在工业控制系统数据集上进行了评估，即使在数字孪生视图退化的情况下，也显示出高检测可靠性和低误报率。
-
AI框架利用数字孪生优化城市无线基站部署
研究人员开发了一种优化城市无线网络中基站部署的新颖框架。该方法结合了地理数据驱动的数字孪生和深度强化学习。该系统无需现场测量或真实用户数据即可预测无线电地图和用户分布，实现了接近理想化基准的性能，同时显著降低了优化成本。
-
数字孪生IDS检测车辆中的隐蔽CAN总线攻击
研究人员开发了一种新颖的车辆控制器局域网（CAN）总线系统入侵检测系统（IDS），该系统利用数字孪生（DTs）来模拟动力总线信号之间的物理关系。这种基于DT的方法可以预测车辆行为，并在观测到的信号偏离预测模式时标记异常，其性能优于关注消息时序和顺序的传统方法。该系统在检测隐蔽的有效载荷操纵攻击方面取得了显著成功，对连续漂移的检测率为94.6%，对伪装攻击的检测率为89.2%，尽管在持续攻击下仍面临误报的挑战。
-
人工智能模拟领域提议命名为“心理史学”
有人提议将人工智能驱动的数字孪生、合成用户和群体行为预测模拟领域命名为“心理史学”。此建议旨在为这一新兴研究领域建立一个统一的术语。
-
Quest Global 以人工智能和工程为重点推动数字化转型
Quest Global 通过结合软件、嵌入式系统、自动化和人工智能专业知识，推动数字化转型。该公司强调，真正的数字化转型始于强大的工程架构，而不仅仅是采用云技术。通过集成数字孪生，Quest Global 旨在加速产品开发、提高质量并缩短周期时间，将数字化转型定位为一项核心工程学科。
-
AI 进展超越治理，要求转向持续智能
治理框架难以跟上 AI 等快速技术进步的步伐，导致合规与运营现实脱节。Manulife 的 GRC 高管 Ramachander Rao Thallada 认为，治理必须从被动的、以合规为中心的模式转变为主动的、持续智能的方法。这包括通过监控、自动化和协作将治理融入持续运营，确保系统实时保持问责制和透明度。
-
人工智能、数字孪生和FAIR数据在佛罗伦萨遗产大会上汇聚
佛罗伦萨的“数字遗产4.0生态系统”会议汇聚了专家，讨论了人工智能、数字孪生、FAIR数据和知识图谱的整合。会议重点关注数字遗产项目中的信任、问责制和长期可持续性等关键问题。会议探讨了遗产保护与先进数字基础设施的交叉点。
-
提出数字孪生因果证伪新方法
一篇新研究论文提出了一种数字孪生因果证伪的方法。数字孪生是用于预测现实世界过程的模拟模型。作者将该问题构建为因果推断挑战，定义了孪生准确的含义。他们强调，仅凭观测数据无法在没有潜在不可靠假设的情况下认证孪生。相反，所提出的统计程序旨在识别孪生不正确的场景，即使在存在混杂数据的情况下，也假设有一个独立同分布（i.i.d.）的观测轨迹数据集。该方法论应用于使用Pulse Physiology Engine和MIMIC-III数据集的败血症…
-
产品工程通过人工智能集成演变为系统工程
产品工程正在转变为系统工程，整合了软件、电子、人工智能网络安全、机械和制造领域的专业知识。这种演变强调了对全面产品生命周期支持的需求，并突出了嵌入式软件、数字孪生和模型基础工程等领域技能日益增长的价值。
-
AI的进步使得新一代“模拟企业”能够进行业务测试
数字孪生旨在创建物理资产的虚拟副本以进行预测性分析，最初因侧重于单个组件而非互联的业务流程而失败。近期AI的进步，特别是在自主性提升、生成模型提供更好的数据输入以及能够处理非结构化数据以理解上下文和行为的LLM方面，正在开启一个“模拟企业”的新时代。这些组织将利用合成环境在实施前对决策进行压力测试，例如百事公司使用AI代理模拟供应链升级，从而显著提高了吞吐量并降低了资本支出。
-
新的LOCUS-DT框架使用数字孪生进行室内定位
研究人员推出了一种新的室内定位框架LOCUS-DT，该框架利用数字孪生和不确定性评分。该方法将定位视为后验推理问题，从环境的数字孪生生成合成多径配置文件，并与测量的信道配置文件进行比较。一个关键特性是学习到的评分函数，它可以处理数字孪生模型和信道估计中的错误，从而能够泛化到新环境。
-
新框架增强数字孪生中人工智能代理的可验证性
研究人员引入了一个新颖的神经符号去中心化治理框架，旨在增强数字孪生生态系统中人工智能代理的可验证性。该框架集成了概率神经推理和确定性制度治理，利用多层语义配置文件和形式化领域本体来确保代理遵守策略并维持值得信赖的人机协作。通过基于区块链的智能合约验证组织机构颁发的凭证，从而实现可审计的参与，而不会泄露敏感数据。一个原型演示了该系统在防止未经授权的交互和跨诊所、数字孪生和可穿戴设备提供商代理执行策略方面的有效性。
-
AnyLog 边缘数据结构被提出作为分布式人工智能系统的解决方案
一篇新论文介绍 AnyLog 边缘数据结构，这是一个基于代理和边缘的平台，旨在管理源头处的运营数据。该平台旨在通过将分布式数据、计算资源和服务呈现为一个逻辑系统来克服集中式架构的局限性。主要功能包括分布式元数据层、虚拟数据湖和统一命名空间，使授权用户和 AI 代理能够在不知道其位置的情况下访问和操作分布式资源，从而降低延迟并提高弹性。
-
人工智能框架通过个性化干预措施来针对近视防控
一篇新研究论文概述了“近视防控3.0”，这是一个利用人工智能应对日益增长的全球近视问题的框架。该方法超越了传统方法，通过整合人工智能来预测个体风险，通过各种数字设备实现主动监测，并通过闭环反馈提供个性化干预。论文讨论了与数据质量、伦理考量和公平性相关的挑战，同时也探讨了多模态基础模型和数字孪生等未来进展。
-
图神经网络赋能物理模拟的零样本数字孪生
研究人员开发了一个新颖的零样本数字孪生框架，该框架将实时视觉感知与几何无关的、受物理启发的推理引擎相结合。该系统利用了热力学信息图神经网络架构，通过图消息传递强制执行能量守恒和熵产生。该框架可以从稀疏的视觉边界推断不可观测的场，并采用连续闭环数据同化机制来纠正模拟并防止数值漂移，在不同物理领域展示了无需重新训练的泛化能力。
-
新论文介绍平衡因果数字孪生以用于系统预测
一篇新论文介绍了“平衡因果数字孪生”（Equilibrium Causal Digital Twins），以应对预测系统对干预措施响应的挑战，特别是在存在反馈回路的系统中。该研究概述了在何种条件下可以验证这些预测，并将其应用于不同领域，即使底层机制发生变化。它还提供了理论框架和统计检验来评估这些数字孪生的可靠性，并强调了一个不可能性结果，该结果表明验证需要结构性假设。