【公益译文】数字孪生基础研究差距和未来方向
💡
原文中文，约3300字，阅读约需8分钟。
📝
内容提要
数字孪生是将计算模型与物理模型相耦合的系统，通过双向数据流动态更新，具有预测能力。它在医疗决策、天气预测和工程流程等方面广泛应用。然而，实现数字孪生的全部潜力仍面临数学、统计和计算研究的差距，以及系统和转化挑战。数字孪生的未来应用包括医学研究、飞机发动机优化和气候预测。加强核查、验证和不确定性量化是数字孪生发展的关键。联邦机构应提供计算资源，并促进领域间的协作和数据模型的共享。
🎯
关键要点
- 数字孪生是将计算模型与物理模型相耦合的系统，通过双向数据流动态更新，具有预测能力。
- 数字孪生在医疗决策、天气预测和工程流程等方面广泛应用。
- 实现数字孪生的潜力面临数学、统计和计算研究的差距，以及系统和转化挑战。
- 数字孪生的未来应用包括医学研究、飞机发动机优化和气候预测。
- 核查、验证和不确定性量化是数字孪生发展的关键。
- 联邦机构应提供计算资源，促进领域间的协作和数据模型的共享。
- 数字孪生的核心是虚拟和物理之间的双向交互。
- 数字孪生的关键元素包括建模和仿真、物理观察结果、决策自动化和VVUQ。
- 数字孪生在生物医学研究中可助力临床决策，改善健康状况。
- 飞机发动机的数字孪生可用于优化燃油效率和预测零件更换。
- 高保真数字孪生可用于气候预测，支持政策制定和应急决策。
- 实现数字孪生的潜力需要综合研究议程，识别知识差距。
- 数字孪生的虚拟表示应与目的相符，动态调整以适应决策任务。
- 数字孪生的不同应用对模型置信度和准确度有不同要求。
- VVUQ在数字孪生的设计和部署中至关重要，需建立标准流程。
- 数字孪生的演变需要投资以适应新需求和更新模型。
- 跨领域合作有助于解决数字孪生面临的共同挑战。
- 促进数据和模型的协作交流，解决隐私和道德要求。
➡️
