Digitale Zwillinge und urbane Nachhaltigkeit
Naturkatastrophen wie Überschwemmungen und Hitzewellen zeigen einen echten Mangel an Kontrolle über die Umwelt – obwohl einige dieser Katastrophen tatsächlich das Ergebnis menschlicher Entscheidungen sein können- Machen und Nachlässigkeit.
Die zunehmende Häufigkeit und Schwere von Naturkatastrophen hat der dringenden Notwendigkeit städtischer Nachhaltigkeit mehr Aufmerksamkeit geschenkt, wobei die digitale Zwillingstechnologie eine führende Rolle bei der Bewältigung dieser Herausforderung spielt.
Die Definition von digitalen Zwillingen ist ein Computermodell eines physischen Prozesses oder eine Kopie einer physischen Einheit. Es handelt sich im Wesentlichen um reale und genaue virtuelle Modelle.
Vorteile digitaler Zwillinge
Digitale Zwillinge werden voraussichtlich zu wichtigen Werkzeugen für die nachhaltige Stadtentwicklung, da sie es Forschern ermöglichen, eine bestimmte städtische Umgebung nachzubilden und die beeinflussenden Faktoren oder Prozesse zu reproduzieren es, wie zum Beispiel intelligente Transportmittel.
Digitale Zwillinge können auch mit Sensoren in der Umgebung gekoppelt werden, um Echtzeitdaten für eine strenge Überwachung bereitzustellen.
Forscher können dann künstliche Intelligenz nutzen, um diese Prozesse und ihre Auswirkungen auf die Umwelt zu verstehen, zukünftige Bedingungen und Auswirkungen vorherzusagen und nachhaltige Entscheidungen zu treffen.
Wir haben eine kritische Studie über digitale Zwillinge und ihr Potenzial im Bereich der städtischen Nachhaltigkeit durchgeführt, die zeigt, dass diese jüngsten technologischen Entwicklungen ihre finanziellen und nachhaltigen Aspekte in öffentlichen und privaten Organisationen bewiesen haben.
Wir haben gezeigt, dass digitale Zwillinge Echtzeitdaten physischer Vermögenswerte überwachen und deren Leistung in verschiedenen virtuellen Umgebungsszenarien anzeigen können, wodurch die Ressourcenzuweisung effizienter wird.
Zum Beispiel kann durch die Messung und Simulation der Regenwasserkapazität neuer Straßennetze eine Kombination aus historischen und Echtzeit-Sensordaten verwendet werden, um wasserempfindliche Städte zu entwerfen, um Verschwendung und Verluste zu reduzieren.
Hürden bei der Implementierung digitaler Zwillinge
Obwohl urbane digitale Zwillinge (UDTs) bei der Lösung technischer, ethischer und soziotechnischer Probleme führend sind, gibt es immer noch einige Hindernisse für ihre Anwendung . Wie kann diese Technologie also genutzt werden, um eine nachhaltige Stadtentwicklung zu unterstützen?
UDT Der Erfolg der Technologie hängt von der rechtzeitigen wechselseitigen Kommunikation zwischen der physischen und der digitalen Umgebung ab – dies kann nicht außer Acht gelassen werden.
Der erste Faktor, den wir festgestellt haben, ist, dass es vielen Entscheidungsträgern an digitaler Kompetenz mangelt, was dazu führt, dass sie sich weniger für digitale Technologien interessieren und wenig zu ihnen in Bezug auf Forschung und finanzielle Ressourcen beitragen.
Je besser wir also technologisch vorbereitet sind, desto wahrscheinlicher ist es, dass wir digitale Technologien in unseren Organisationen oder täglichen Aktivitäten einführen.
Schließlich muss es Standards und gemeinsame Datenmodelle geben, damit wichtige Daten nicht in Silos bleiben.
Berufsverbände wie das Australian Surveying and Spatial Science Institute (SSSI), Standards Australia, Engineers Australia und das Planning Institute of Australia (PIA) sind davon überzeugt, dass Standardisierung für die Entwicklung gemeinsamer Standards über Interessengruppen und Gerichtsbarkeiten hinweg wichtig ist . Sprachen, Prozesse und Datenmodelle spielen eine entscheidende Rolle.
Die vom Australia New Zealand Spatial Information Council entwickelten Spatial Principles to Support Digital Twins in Built and Natural Environments betonen die Rolle der Standardisierung bei der Informations- und Datenverwaltung, der UDT-Interoperabilität, dem Datenschutz und der Sicherheit.
Vertrauen in künstliche Intelligenz
Ein Problem, mit dem viele Branchen konfrontiert sind, besteht darin, dass algorithmische Entscheidungen aufgrund von Fragen der Rechenschaftspflicht und Transparenz in Frage gestellt und angezweifelt werden können.
Eine kürzlich von uns durchgeführte Studie zeigt, dass erklärbare künstliche Intelligenz (XAI) oder KI, die ihre Ergebnisse erklären kann, eine wichtige Rolle dabei spielt, die Transparenz der KI-Entscheidungsfindung und das Vertrauen der Menschen zu erhöhen. Die Ergebnisse dieser Forschung wurden in der Zeitschrift Nature Sustainability veröffentlicht. 🎜🎜#
Aktuelle digitale Technologien messen nur objektive Aspekte städtischer Einheiten und konzentrieren sich auf physische Eigenschaften der Stadt wie Gebäudehöhe, Baumkronen, Art und Dichte der Landnutzung, dreidimensionale Architektur, Visualisierung der Stadtsanierung usw Architektur Energiebewertung. Der digitale Zwilling sollte jedoch so sein, dass die Stadt eine Kombination aus objektiven Merkmalen (physisch und funktional) und subjektiven Merkmalen (soziale Konstruktion und Ortserfahrung) ist. Obwohl einige Studien neue Möglichkeiten zur Messung der Ortsqualität, des gleichberechtigten Zugangs zu Einrichtungen und der Geselligkeit städtischer Räume aufgezeigt haben, sind systemweite Simulationen und praktische Anwendungen immer noch unzureichend und sollten im Mittelpunkt künftiger Forschung stehen Verhindern Sie falsche Entscheidungen und Strategien durch den Einsatz ungenauer Modelle.Kompetenzen bündeln, um eine digitale Stadt zu schaffen
Da die Anwendungen digitaler Städte so weit verbreitet sind, ist auch das dahinter stehende Fachwissen so weit verbreitet.
Indem wir IT- und Ingenieursexperten mit politischen Entscheidungsträgern, Endbenutzern sowie Planungs- und Bauexperten zusammenbringen, können wir den Wert digitaler Technologien besser nutzen, um zukünftige Herausforderungen zu bewältigen und aktuelle Investitionen an die Gemeinden zurückzugeben.
Australische Landesregierungen haben damit begonnen, digitale Zwillingsfunktionen zu nutzen, um ihren Gemeinden einen besseren Service zu bieten. Der NSW Spatial Digital Twin bietet kollaborative digitale Arbeitsabläufe zwischen Organisationen im ganzen Bundesstaat. Es aggregiert und visualisiert Standortinformationen in dynamischen und mehrdimensionalen Modellen der realen Welt.
Die viktorianische Regierung hat 37,4 Millionen US-Dollar für die Entwicklung der Victoria Digital Twin-Plattform erhalten, die große Mengen an 2D-, 3D- und Echtzeitdaten über eine einzige Online-Plattform integriert.
Das Projekt wird durch das Pilotprojekt der Regierung zum digitalen Zwilling in Fisherman's Bay in Zusammenarbeit mit der University of Melbourne und anderen Interessengruppen vorangetrieben.
Wir wissen, dass ein digitaler Zwilling mehr als nur eine Replik sein sollte, er sollte mit einem physischen Prozess oder einer physischen Entität in einem cyber-physisch-sozialen System gekoppelt sein.
Ein solches System ähnelt möglicherweise eher einem Gehirn als einem Zwilling – es verfügt über Wahrnehmungsnerven, Mechanismen, die physische oder digitale Systeme verändern können, und Regulierungsmechanismen, um das Gleichgewicht zwischen physischen und digitalen Systemen aufrechtzuerhalten.
Wir haben begonnen, uns weiterzubilden, Fachkräfte, Manager und Führungskräfte zu sensibilisieren und die zukünftige Belegschaft über die Technologie des digitalen Zwillings aufzuklären. Unsere neuen Bildungsprogramme, wie der Master of Engineering in Digital Infrastructure und das Graduate Certificate in Digital Engineering (Infrastructure), befassen sich mit technischen, ethischen und soziotechnischen Herausforderungen.
Wir arbeiten auch mit der Industrie zusammen, um die zukünftigen digitalen Engineering-Anforderungen der australischen und globalen Infrastrukturindustrie zu ermitteln, die boomt und digitale Tools wie Building Information Modeling (BIM), Internet of Things (IoT) und virtuelle Realität einführt.
Durch die Nutzung von Forschung und Entwicklung im Bereich neuer Technologien und dieser Bildungsprogramme schaffen wir eine neue Fähigkeit für die Fähigkeiten der Zukunft, indem wir numerische Daten mit Statistik, maschinellem Lernen und Datensimulation kombinieren.
Das Ziel ist einfach – besser mit Gemeinschaften in Kontakt zu treten und physische und soziale Prozesse, Muster und Vorhersagen bei der Gestaltung nachhaltiger Städte der Zukunft zu kommunizieren.
Das obige ist der detaillierte Inhalt vonDigitale Zwillinge und urbane Nachhaltigkeit. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!

Heiße KI -Werkzeuge

Undresser.AI Undress
KI-gestützte App zum Erstellen realistischer Aktfotos

AI Clothes Remover
Online-KI-Tool zum Entfernen von Kleidung aus Fotos.

Undress AI Tool
Ausziehbilder kostenlos

Clothoff.io
KI-Kleiderentferner

AI Hentai Generator
Erstellen Sie kostenlos Ai Hentai.

Heißer Artikel

Heiße Werkzeuge

Notepad++7.3.1
Einfach zu bedienender und kostenloser Code-Editor

SublimeText3 chinesische Version
Chinesische Version, sehr einfach zu bedienen

Senden Sie Studio 13.0.1
Leistungsstarke integrierte PHP-Entwicklungsumgebung

Dreamweaver CS6
Visuelle Webentwicklungstools

SublimeText3 Mac-Version
Codebearbeitungssoftware auf Gottesniveau (SublimeText3)

Heiße Themen



Diese Seite berichtete am 27. Juni, dass Jianying eine von FaceMeng Technology, einer Tochtergesellschaft von ByteDance, entwickelte Videobearbeitungssoftware ist, die auf der Douyin-Plattform basiert und grundsätzlich kurze Videoinhalte für Benutzer der Plattform produziert Windows, MacOS und andere Betriebssysteme. Jianying kündigte offiziell die Aktualisierung seines Mitgliedschaftssystems an und führte ein neues SVIP ein, das eine Vielzahl von KI-Schwarztechnologien umfasst, wie z. B. intelligente Übersetzung, intelligente Hervorhebung, intelligente Verpackung, digitale menschliche Synthese usw. Preislich beträgt die monatliche Gebühr für das Clipping von SVIP 79 Yuan, die Jahresgebühr 599 Yuan (Hinweis auf dieser Website: entspricht 49,9 Yuan pro Monat), das fortlaufende Monatsabonnement beträgt 59 Yuan pro Monat und das fortlaufende Jahresabonnement beträgt 499 Yuan pro Jahr (entspricht 41,6 Yuan pro Monat). Darüber hinaus erklärte der Cut-Beamte auch, dass diejenigen, die den ursprünglichen VIP abonniert haben, das Benutzererlebnis verbessern sollen

Verbessern Sie die Produktivität, Effizienz und Genauigkeit der Entwickler, indem Sie eine abrufgestützte Generierung und ein semantisches Gedächtnis in KI-Codierungsassistenten integrieren. Übersetzt aus EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, Autor JanakiramMSV. Obwohl grundlegende KI-Programmierassistenten natürlich hilfreich sind, können sie oft nicht die relevantesten und korrektesten Codevorschläge liefern, da sie auf einem allgemeinen Verständnis der Softwaresprache und den gängigsten Mustern beim Schreiben von Software basieren. Der von diesen Coding-Assistenten generierte Code eignet sich zur Lösung der von ihnen zu lösenden Probleme, entspricht jedoch häufig nicht den Coding-Standards, -Konventionen und -Stilen der einzelnen Teams. Dabei entstehen häufig Vorschläge, die geändert oder verfeinert werden müssen, damit der Code in die Anwendung übernommen wird

Large Language Models (LLMs) werden auf riesigen Textdatenbanken trainiert und erwerben dort große Mengen an realem Wissen. Dieses Wissen wird in ihre Parameter eingebettet und kann dann bei Bedarf genutzt werden. Das Wissen über diese Modelle wird am Ende der Ausbildung „verdinglicht“. Am Ende des Vortrainings hört das Modell tatsächlich auf zu lernen. Richten Sie das Modell aus oder verfeinern Sie es, um zu erfahren, wie Sie dieses Wissen nutzen und natürlicher auf Benutzerfragen reagieren können. Aber manchmal reicht Modellwissen nicht aus, und obwohl das Modell über RAG auf externe Inhalte zugreifen kann, wird es als vorteilhaft angesehen, das Modell durch Feinabstimmung an neue Domänen anzupassen. Diese Feinabstimmung erfolgt mithilfe von Eingaben menschlicher Annotatoren oder anderer LLM-Kreationen, wobei das Modell auf zusätzliches Wissen aus der realen Welt trifft und dieses integriert

Um mehr über AIGC zu erfahren, besuchen Sie bitte: 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou unterscheidet sich von der traditionellen Fragendatenbank, die überall im Internet zu sehen ist erfordert einen Blick über den Tellerrand hinaus. Large Language Models (LLMs) gewinnen in den Bereichen Datenwissenschaft, generative künstliche Intelligenz (GenAI) und künstliche Intelligenz zunehmend an Bedeutung. Diese komplexen Algorithmen verbessern die menschlichen Fähigkeiten, treiben Effizienz und Innovation in vielen Branchen voran und werden zum Schlüssel für Unternehmen, um wettbewerbsfähig zu bleiben. LLM hat ein breites Anwendungsspektrum und kann in Bereichen wie der Verarbeitung natürlicher Sprache, der Textgenerierung, der Spracherkennung und Empfehlungssystemen eingesetzt werden. Durch das Lernen aus großen Datenmengen ist LLM in der Lage, Text zu generieren

Herausgeber | Der Frage-Antwort-Datensatz (QA) von ScienceAI spielt eine entscheidende Rolle bei der Förderung der Forschung zur Verarbeitung natürlicher Sprache (NLP). Hochwertige QS-Datensätze können nicht nur zur Feinabstimmung von Modellen verwendet werden, sondern auch effektiv die Fähigkeiten großer Sprachmodelle (LLMs) bewerten, insbesondere die Fähigkeit, wissenschaftliche Erkenntnisse zu verstehen und zu begründen. Obwohl es derzeit viele wissenschaftliche QS-Datensätze aus den Bereichen Medizin, Chemie, Biologie und anderen Bereichen gibt, weisen diese Datensätze immer noch einige Mängel auf. Erstens ist das Datenformular relativ einfach, die meisten davon sind Multiple-Choice-Fragen. Sie sind leicht auszuwerten, schränken jedoch den Antwortauswahlbereich des Modells ein und können die Fähigkeit des Modells zur Beantwortung wissenschaftlicher Fragen nicht vollständig testen. Im Gegensatz dazu offene Fragen und Antworten

Maschinelles Lernen ist ein wichtiger Zweig der künstlichen Intelligenz, der Computern die Möglichkeit gibt, aus Daten zu lernen und ihre Fähigkeiten zu verbessern, ohne explizit programmiert zu werden. Maschinelles Lernen hat ein breites Anwendungsspektrum in verschiedenen Bereichen, von der Bilderkennung und der Verarbeitung natürlicher Sprache bis hin zu Empfehlungssystemen und Betrugserkennung, und es verändert unsere Lebensweise. Im Bereich des maschinellen Lernens gibt es viele verschiedene Methoden und Theorien, von denen die fünf einflussreichsten Methoden als „Fünf Schulen des maschinellen Lernens“ bezeichnet werden. Die fünf Hauptschulen sind die symbolische Schule, die konnektionistische Schule, die evolutionäre Schule, die Bayes'sche Schule und die Analogieschule. 1. Der Symbolismus, auch Symbolismus genannt, betont die Verwendung von Symbolen zum logischen Denken und zum Ausdruck von Wissen. Diese Denkrichtung glaubt, dass Lernen ein Prozess der umgekehrten Schlussfolgerung durch das Vorhandene ist

Herausgeber |. KX Im Bereich der Arzneimittelforschung und -entwicklung ist die genaue und effektive Vorhersage der Bindungsaffinität von Proteinen und Liganden für das Arzneimittelscreening und die Arzneimitteloptimierung von entscheidender Bedeutung. Aktuelle Studien berücksichtigen jedoch nicht die wichtige Rolle molekularer Oberflächeninformationen bei Protein-Ligand-Wechselwirkungen. Auf dieser Grundlage schlugen Forscher der Universität Xiamen ein neuartiges Framework zur multimodalen Merkmalsextraktion (MFE) vor, das erstmals Informationen über Proteinoberfläche, 3D-Struktur und -Sequenz kombiniert und einen Kreuzaufmerksamkeitsmechanismus verwendet, um verschiedene Modalitäten zu vergleichen Ausrichtung. Experimentelle Ergebnisse zeigen, dass diese Methode bei der Vorhersage von Protein-Ligand-Bindungsaffinitäten Spitzenleistungen erbringt. Darüber hinaus belegen Ablationsstudien die Wirksamkeit und Notwendigkeit der Proteinoberflächeninformation und der multimodalen Merkmalsausrichtung innerhalb dieses Rahmens. Verwandte Forschungen beginnen mit „S

Laut Nachrichten dieser Website vom 1. August hat SK Hynix heute (1. August) einen Blogbeitrag veröffentlicht, in dem es ankündigt, dass es am Global Semiconductor Memory Summit FMS2024 teilnehmen wird, der vom 6. bis 8. August in Santa Clara, Kalifornien, USA, stattfindet viele neue Technologien Generation Produkt. Einführung des Future Memory and Storage Summit (FutureMemoryandStorage), früher Flash Memory Summit (FlashMemorySummit), hauptsächlich für NAND-Anbieter, im Zusammenhang mit der zunehmenden Aufmerksamkeit für die Technologie der künstlichen Intelligenz wurde dieses Jahr in Future Memory and Storage Summit (FutureMemoryandStorage) umbenannt Laden Sie DRAM- und Speicheranbieter und viele weitere Akteure ein. Neues Produkt SK Hynix wurde letztes Jahr auf den Markt gebracht
