XiaoMi-AI文件搜索系统
World File Search System数字孪生
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。
迈向增材制造中的数字孪生框架
激光定向能量沉积 (DED) 在增材制造 (AM) 中具有显著优势，可用于生产复杂的几何形状并促进材料功能分级。然而，材料属性不一致和零件多变等固有挑战仍然存在，这主要是由于其分层制造方法。对这些挑战至关重要的是 DED 过程中的热量积累，这会影响最终材料的微观结构和性能。尽管用于管理热量积累和温度调节的闭环控制方法在 DED 文献中很普遍，但很少有方法将实时监控、基于物理的建模和控制同时集成在一个有凝聚力的框架中。为了解决这个问题，我们提出了一个数字孪生 (DT) 框架，用于实时模型预测控制 DED 的工艺参数，以实现特定的工艺设计目标。为了实现该目标，我们详细介绍了利用基于长短期记忆 (LSTM) 的机器学习的替代模型的开发，该模型使用贝叶斯推理来预测 DED 构建部件各个空间位置的温度。该模型提供未来温度状态的实时预测。此外，我们引入了用于时间序列过程优化 (BOTSPO) 的贝叶斯优化 (BO) 方法。它的基本原理与传统 BO 一致，其新颖之处在于我们独特的时间序列过程配置文件生成器，具有降低维度的表示。BOTSPO 用于动态过程优化，我们在其中部署 BOTSPO 来确定最佳激光功率配置文件，旨在实现 DED 构建中的所需机械性能。识别的配置文件建立了一个过程轨迹，在线过程优化旨在匹配或超越该轨迹的性能。本文阐述了数字孪生框架的组成部分，主张将其整合为 AM 的综合数字孪生系统。
分布式能源系统中的边缘驱动数字孪生
行业整合的主要优势之一是构建一个更高效的生态系统，利用不同（但相互依赖）行业之间的协同作用。电网边缘的设备通常也是与其他行业的连接点，通常是交通运输（电动汽车）、供暖和制冷以及智能建筑。因此，它们是行业整合的物理基础设施。边缘驱动的数字孪生可以提供更好地规划跨行业基础设施发展所需的数据（以前无法获得），也将成为开发跨行业业务用例的基础。这也最终表明需要关注不同行业之间的数据互操作性和行业数据空间的互操作性。
农业中的数字孪生技术
由 I. Apeinans、L. Litavniece 及其团队进行的系统评价题为“通过数字孪生范式实现智能水果种植：系统评价和技术差距分析” [2]，对数字孪生技术在水果种植领域的现状和未来潜力进行了全面分析。