XiaoMi-AI文件搜索系统
World File Search System物理系统
当网络物理系统遇上人工智能：基准、评估和前进之路
信息物理系统 (CPS) 已广泛应用于安全关键领域，例如汽车系统、航空电子设备、医疗设备等。近年来，人工智能 (AI) 越来越多地被用于控制 CPS。尽管人工智能 CPS 很受欢迎，但公开的基准测试却很少。人们对不同工业领域的人工智能 CPS 的性能和可靠性也缺乏深入了解。为了弥补这一差距，我们提出了七个领域的行业级 CPS 公共基准，并通过最先进的深度强化学习 (DRL) 方法为它们构建人工智能控制器。在此基础上，我们进一步对这些人工智能系统与传统系统进行系统评估，以确定当前的挑战和未来的机遇。我们的主要发现包括：(1) AI 控制器并不总是优于传统控制器；(2) 现有的 CPS 测试技术（具体来说，证伪）不足以分析支持 AI 的 CPS；(3) 构建一个混合系统，在 AI 控制器和传统控制器之间进行战略性组合和切换，可以在不同领域实现更好的性能。我们的结果强调了对支持 AI 的 CPS 的新测试技术的需求，以及对混合 CPS 进行更多研究以实现最佳性能和可靠性的需要。我们的基准、代码、详细评估结果和实验脚本可在 https://sites.google.com/view/ai-cps-benchmark 上找到。
使用系统理论生成攻击和故障树的网络物理系统风险覆盖
我们描述了一种形式化的系统理论方法，用于创建网络物理系统 (CPS) 风险叠加，以增强 CPS 风险和威胁分析过程中使用的现有基于树的模型。这种自上而下的方法通过分析其底层控制属性以及相关内部硬件和软件子组件之间的通信流，客观地确定系统对某些风险场景后果的威胁面。在使用攻击和故障树模型时，结果分析应有助于定性选择因果事件，这些模型传统上是使用主观和自下而上的方法进行此事件选择。使用经过验证的系统理论方法客观地确定基于树的模型分析的范围也应该可以改善系统开发生命周期中的防御和安全规划。我们提供了一个使用攻击防御树的控制系统案例研究，并展示了如何将这种方法简化为攻击树、故障树和攻击故障树。
通过人工智能物联网和网络物理系统进行健康监测，确保智能可穿戴计算的安全
摘要：互联网的功能正在从计算机互联网 (IoC) 不断转变为“物联网 (IoT)”。大多数连接系统称为网络物理系统 (CPS)，是由人类和物理环境、智能对象以及嵌入式设备和基础设施等众多特征的集成形成的。有一些关键问题，例如安全风险和道德问题，可能会影响物联网和 CPS。当每条数据和设备都连接到网络上并可获取时，黑客就可以获取它并将其用于不同的诈骗。在医疗保健 IoT-CPS 中，可以通过可穿戴传感器收集患者的日常医疗和身体数据。本文提出了一种支持 AI 的 IoT-CPS，医生可以利用它基于 AI 发现患者的疾病。人工智能的创建是为了发现一些疾病，例如糖尿病、心脏病和步态障碍。每种疾病在患者或老年人中都有不同的症状。从 Kaggle 存储库检索数据集以执行支持 AI 的 IoT-CPS 技术。对于分类，采用支持人工智能的 IoT-CPS 算法来发现疾病。实验结果表明，与现有算法相比，所提出的支持人工智能的 IoT-CPS 算法在准确率、精确度、召回率和 F 值方面更有效地检测患者疾病和老年人跌倒事件。
使用物理系统的能量状态编码双量子比特逻辑状态和量子运算
摘要：本文介绍了一种新颖的编码方案，该方案允许单个量子系统对多量子比特寄存器进行编码。这可以更有效地利用资源，并在设计量子系统时节省成本。该方案基于使用通过在半导体材料中引入杂质形成的离散能谱的电荷自由度来编码逻辑量子态的概念。我们提出了一种执行单量子比特操作和受控双量子比特操作的机制，提供了一种使用由 Rabi 振荡产生的适当脉冲来实现这些操作的机制。使用 IBM 的 Armonk 单量子比特量子计算机模拟上述架构，将两个逻辑量子态编码为 Armonk 量子比特的能量态，并使用自定义脉冲执行一量子比特和两量子比特量子操作。
工业物联网、网络物理系统和数字孪生
工业数字化（工业 4.0）是在人员、流程、服务、系统、数据和工业资产互联的环境中对工业进行数字化转型，以实现智能工业和工业创新与协作生态系统。工业 4.0 的三个有前景的方面是工业物联网 (IIoT)、信息物理系统 (CPS) 和数字孪生 (DT)。这些方面存在挑战。首先，有许多通用的 IIoT 标准和框架，单独在各种工业用例中是不够的。因此，工程师必须使用许多标准指南来根据具体情况设计 IIoT 架构。其次，各行业部署的系统基于不同的标准和技术，无法与其他系统互通，因此只能孤立运行，因此收集数据进行分析、报告和决策具有挑战性。第三，在工业 CPS (ICPS) 环境中，大多数嵌入式系统都是资源受限的电池驱动设备，面临着诸如由于能耗高导致使用寿命短、服务可用性低和安全性低等挑战。本论文的范围是针对上述方面和挑战研究工业数字化。首先，我们研究通用的 IIoT 标准和框架，并使用它们来合成高级 IIoT 架构。作为架构验证和确认的用例，我们专门研究了采矿业
混合智能制造中的物理系统
在工业 4.0 时代，制造商努力通过使用协作机器人、自动导引车、增强现实支持和智能设备等先进技术来保持竞争力。然而，只有将这些技术进步无缝集成到其系统环境中，它们才能为制造组织发挥其全部潜力。这种集成需要系统架构作为技术定位和互连的蓝图。为此，开发了 HORSE 框架（源自 HORSE EU H2020 项目），作为信息物理系统的参考架构，以集成各种工业 4.0 技术并支持混合制造流程，即人类和机器人工人协作的流程。该架构是使用设计科学研究创建的，基于众所周知的软件工程框架、既定的制造领域标准和实际的行业要求。参考架构的价值主要由实践中的应用确定。为此，本文介绍了 HORSE 框架在欧洲 10 家制造厂的应用和评估，每家制造厂都有自己的特点。通过物理部署和演示，该框架证明了其目标是成为结构良好设计运营智能制造信息物理系统的基础，该系统提供横向、跨功能的
ACM 参考格式：Abolfazl Lavaei、Bingzhuo Zhong、Marco Caccamo 和 Majid Zamani。2021 年。迈向值得信赖的人工智能：随机网络物理系统中未经认证控制器的安全管理架构。在网络物理系统的计算感知算法设计 (CAADCPS'21) 中，2021 年 5 月 19-21 日，美国田纳西州纳什维尔。ACM，美国纽约州纽约，2 页。https://doi.org/10.1145/3457335。3461705
1 摘要 基于人工智能（又称 AI）的控制器在信息物理系统（CPS）中被广泛应用以完成复杂的控制任务，因而在过去几年中受到了广泛关注。然而，保证配备此类（未经认证的）控制器的 CPS 的安全性和可靠性目前非常具有挑战性，这在实际许多安全关键应用中至关重要。为了解决这一困难，我们提出了一种 Safe-visor 架构，用于在随机 CPS 中对基于 AI 的控制器进行沙盒处理。所提出的框架包含（i）一个基于历史的监控器，它检查来自基于 AI 的控制器的输入并在系统的功能性和安全性之间做出妥协，以及（ii）一个安全顾问，当基于 AI 的控制器危及系统的安全时提供后备。通过采用这种架构，我们为可以用确定性有限自动机（DFA）的接受语言表示的那些类别的安全规范的满足提供了正式的概率保证，而基于人工智能的控制器虽然不可靠，但仍可以在控制回路中使用。
迈向人工智能增强型弹性网络物理系统设计：从萌芽到现在的历程
• 莫一林，清华大学教员 • Sean Weerakkody，约翰霍普金斯大学应用物理实验室 • 刘晓飞，领英 • Nicola Forti，意大利拉斯佩齐亚北约海洋研究与实验中心 (CMRE) • Walter Lucia，蒙特利尔康考迪亚大学教员 • Omur Ozel，乔治华盛顿大学教员 • Raffaele Romagnoli，卡内基梅隆大学博士后 • Paul Griffioen，卡内基梅隆大学博士生 • Carmel Fiscko，卡内基梅隆大学博士生 • Rohan Chabukshwar，爱尔兰 UTRC • Mehdi Hosseinzadeh，华盛顿大学圣路易斯分校博士后 • Bahram Yaghooti，华盛顿大学圣路易斯分校博士生 • Jonathan Gornet，华盛顿大学圣路易斯分校博士生
信息物理系统改善建筑能源...
摘要：本研究探索了基于数字孪生的方法和方法的潜力，旨在通过使用集成物联网、人工智能和机器学习的三维数据模型，实现住宅区能源管理的智能优化和自动化系统。案例研究集中在罗马的 Rinascimento III，该地区由 16 栋八层建筑组成，共有 216 个公寓单元，70% 的能源来自可再生能源。综合动态分析算法的结合使用，可以评估不同的能源效率干预方案，旨在实现综合体的良性能源管理，保持实际的内部舒适度和气候条件。同时，目标还在于规划和部署具有成本效益的 IT（信息技术）基础设施，该基础设施能够使用边缘计算范式提供可靠的数据。因此，所开发的方法论可以评估太阳能可再生能源综合生产的有效性和效率，从而提高自产能源的门槛，满足 nZEB（近零能耗建筑）的要求。
面向智能风力涡轮机运行和维护的人机物理系统
摘要：本研究提出了一个智能半自主人机物理系统 (HCPS) 的新概念，用于在工业 5.0 技术背景下操作未来的风力涡轮机。下一代风力涡轮机的复杂性呈指数级增长，需要人工智能 (AI) 来高效、一致地操作机器。当前的工业 4.0 数字孪生技术不再只是人类决策过程的唯一辅助工具，而是通过机器学习对 AI 进行高效训练，使所提系统中的数字孪生成为可能。人类智能 (HI) 被提升到监督级别，其中通过人机界面做出的高级决策在需要时会打破自主性。本文还确定并阐述了实现所提 HCPS 所必需的关键支持技术 (KET)。