XiaoMi-AI文件搜索系统
World File Search System孪生
朝着真正的数字孪生体的开发迈进……
工具/设备 工具的几何属性和表面光洁度。工具材料和性能。工具施加的力 工具/材料界面 工具/材料界面处的摩擦。润滑剂类型、温度和薄膜厚度。润滑剂热性能。变形区 变形机制。材料流动、流动速度。变形后的应力、应变和损伤分布。产品几何形状和性能 最终产品的几何形状（尺寸、厚度均匀性、表面光洁度和公差）。最终产品的机械性能
锂电池数字孪生
知识驱动的材料和组件设计是提高锂离子电池性能和解决全固态电池等下一代电池概念的剩余障碍的关键。虽然锂的空间和时间相关分布有助于阐明性能瓶颈和退化现象，但由于锂的独特性质，尤其是锂离子，只有少数分析技术可用。事实上，只有两种具有良好时间分辨率的非破坏性技术可以将空间信息与锂的绝对量化相结合，一种是中子深度剖析 (NDP)，另一种是离子束分析 (IBA)。虽然两者都利用核过程，但获得的信息是互补的。NDP 提供高深度分辨率，但横向分辨率有限，而 IBA 具有高横向分辨率，但深度分辨率有限。在这项研究中，我们首次使用一组锂电池测试样品对这两种技术进行基准测试，并展示这两种技术的优势和协同作用。然后，使用与深度相关的锂浓度相关的信息来验证电池充电、放电和松弛行为的微观结构解析连续模型以及电化学分析。这项基础工作展示了一种通过结合高级特性和数字孪生建模在材料和组件层面优化锂电池的新方法。
功能+数据流：指定数字孪生型机器学习管道的框架
数字双胞胎（DTS）用于物理系统的开发，以实现人工智能（AI），尤其是用于来自不同来源的综合数据或创建计算效果，减少尺寸的模型的数据。的确，即使在非常不同的应用程序域中，Twinning也采用了常见技术，例如使用混合数据（即来自基于物理学的模型和传感器）的模型订单降低和模型化（即数据）。尽管这种明显的普遍性，但当前的开发实践是临时的，使AI管道的设计用于数字孪晶复杂且耗时。在这里，我们建议函数+数据流（FDF），该域特异性语言（DSL）描述了DTS中的AI管道。FDF旨在促进数字双胞胎的设计和验证。特别是，FDF将功能视为一流的公民，从而有效地操纵了使用AI学习的模型。我们说明了FDF对两种混凝土用例的好处：预测结构的塑性应变并建模轴承的电磁行为。
为加拿大开发海洋数字孪生
欧洲海洋数字孪生简介，ALAIN ARNAUD (06) 加拿大大学和海洋十年中的海洋数字表征，MIKE SMIT (09) 加拿大的海洋数字孪生：构建模块，ISABELLE GABOURY (11) 2023 年 CMOS 会议回顾，NANCY SOONTIENS 和 HUI SHEN (14) 加强海洋动态分析，发展加拿大大西洋地区的海洋数字孪生，YOUYU LU (16) 欧洲海洋数字孪生简介，ALAIN ARNA UD (06)加拿大大学的海洋和海洋十年，MIKE S MIT (09)
数据驱动的概率数字孪生外部演算
“政府、工业和军队正在建设的许多系统的规模和复杂性已经达到了极限，传统的分析、设计、实施和操作方法不再足够可靠。许多大型系统被恰当地描述为“系统的系统”，因为它们由许多系统组成” (Dvorak 2005)
NSF 24-561：数字孪生作为生物医学技术创新催化剂的基础（FDT-BioTech）| NSF - 美国国家科学基金会
2022 - 2026 财年战略计划。这些战略融入了计划规划和实施流程，提案审查是其中的一部分。NSF 的使命通过以下方式得到特别好的实施：
表面ECG的心脏电生理模型的数字孪生：一种测量反向传播方法
摘要 - Eikonal方程已成为一种不可或缺的工具，用于对心脏电动激活进行巧妙和有效地建模。原则上，通过匹配临床记录和基于艾科尼尔的心电图（ECG），可以以纯粹的非侵入性方式构建心脏电子生理学的患者特异性模型。否则，拟合过程仍然是一项具有挑战性的任务。本研究介绍了一种新的方法，即测量BP，以解决逆向艾科尼尔问题。Geodesic-BP非常适合GPU加速机器学习框架，从而使我们能够优化Eikonal方程的参数以复制给定的ECG。我们表明，即使在存在建模不准确的情况下，Geodesic-BP也可以在合成测试案例中以高精度重建模拟的心脏激活。此外，我们将al-gorithm应用于双室兔模型的公开数据集，并具有令人鼓舞的结果。鉴于未来向个性化医学的转变，Geodesic-BP具有帮助心脏模型的未来功能化，同时保持临床时间的限制，同时保持先进心脏模型的生理准确性。
数字孪生技术与高等教育
数字孪生是物理世界中物体、系统或环境的虚拟复制品，例如人类心脏、汽车或拥挤的大学校园。它通常可以通过传感器的实时数据进行更新，无论物理对应物如何变化，它都会随之变化。这让观察者可以即时详细地监控其变化。数字孪生技术还可以运行模拟，预测物体或系统在未来各个时间点的变化，例如心脏可能衰竭、汽车可能撞车或校园基础设施可能崩溃的时刻，并预测哪些干预措施可以改变其进程。“我们可以在虚拟世界中复制物理世界，并预测将会发生什么，”信息技术科学家迈克尔·格里夫斯 (Michael Grieves) 说，他在一年多前的一次会议上介绍了数字孪生概念。