Périphériques technologiques
IA
Comment les jumeaux numériques et l'intelligence artificielle peuvent contribuer à un avenir durable
Comment les jumeaux numériques et l'intelligence artificielle peuvent contribuer à un avenir durable
La durabilité est aujourd’hui une priorité absolue pour toutes les organisations – par exemple, un tiers des plus grandes entreprises européennes se sont engagées à atteindre zéro émission nette d’ici 2050, selon Accenture. Cependant, l’entreprise a également constaté que les entreprises doivent considérablement accélérer leurs efforts au cours de la prochaine décennie, puisque seulement 9 % des entreprises sont actuellement en bonne voie pour atteindre cet objectif.
Une des façons dont les organisations peuvent atteindre zéro émission nette et s’attaquer à d’autres efforts de développement durable consiste à utiliser la puissance combinée des jumeaux numériques et de l’intelligence artificielle. Ces technologies fournissent aux entreprises des informations sans précédent sur leurs opérations, qui peuvent éclairer les améliorations en matière de développement durable et les aider à atteindre leurs objectifs climatiques. Par exemple, les jumeaux numériques peuvent être utilisés pour tester divers scénarios et aider les entreprises à déterminer les meilleures stratégies pour réduire la consommation d’énergie et les émissions.
Les progrès technologiques accélèrent l'adoption des jumeaux numériques
Bien entendu, les jumeaux numériques sont déjà déployés de diverses manières. Par exemple, aider les chercheurs en soins de santé à créer des modèles très précis de cœurs, de poumons ou d’autres organes afin d’améliorer le diagnostic clinique, l’éducation et la formation. Le secteur de l’énergie propose également de nombreux cas d’utilisation des jumeaux numériques, notamment la création de modèles numériques pour guider les efforts de forage pétrolier en temps réel.
Mais les récentes avancées technologiques en matière de capacités de simulation et de modélisation, le déploiement accru de capteurs IoT et une infrastructure informatique plus largement disponible signifient que les entreprises peuvent accroître leur dépendance aux jumeaux numériques. Lorsque les organisations utilisent l’IA pour améliorer les jumeaux numériques, elles peuvent bénéficier d’avantages supplémentaires, par exemple en exécutant des simulations pour étudier des scénarios de simulation et acquérir une compréhension plus approfondie des relations de cause à effet.
Il existe de nombreux exemples de la manière dont ces technologies améliorent les opérations, notamment leur capacité à contribuer à un monde plus vert. Dans cette optique, voici quelques cas d’utilisation qui démontrent comment les jumeaux numériques et l’IA peuvent améliorer la durabilité dans tous les secteurs.
Smart Manufacturing
D'ici 2025, 89 % des plateformes IoT incluront des jumeaux numériques, transformant ainsi le fonctionnement des installations industrielles et manufacturières et fournissant des informations granulaires pour améliorer les efforts de développement durable. Exemples :
- Rechercher des moyens de réduire la consommation d'énergie en comprenant mieux où se produisent les pertes d'énergie
- Utiliser des analyses prédictives pour déterminer comment les émissions peuvent être réduites en apportant divers changements
- Réaliser des évaluations des risques pour identifier les causes possibles. Vulnérabilités opérationnelles pour incidents qui ont un impact sur l'environnement
GE Digital est une organisation pionnière dans l'utilisation des jumeaux numériques et de l'intelligence artificielle pour améliorer la durabilité. Grâce à son logiciel de réglage autonome, l'entreprise crée un jumeau numérique de la turbine à gaz pour trouver les températures de flamme et les répartitions de carburant optimales. La technologie détecte les changements de dégradation environnementale et physique en temps réel, facilitant les ajustements automatiques pour garantir que la turbine à gaz fonctionne efficacement avec de faibles niveaux d'émissions et de bruit. Grâce à cette technologie, la centrale électrique peut réduire les émissions de monoxyde de carbone de 14 % et d'oxyde nitreux de 10 à 14 %.
Smart Cities
La planification, la gestion et l'optimisation des villes sont un autre domaine sur le point d'être transformé par la puissance combinée des jumeaux numériques et de l'intelligence artificielle. Ces villes intelligentes offrent de nombreux avantages : résoudre l’insécurité alimentaire, accroître la mobilité et aider à identifier les activités criminelles, pour n’en citer que quelques-uns. Les villes intelligentes ont également beaucoup à offrir pour répondre aux objectifs de développement durable.
Grâce aux jumeaux numériques et à l'intelligence artificielle, les municipalités peuvent comprendre, quantifier et prédire l'impact environnemental de leurs décisions, et tester des scénarios potentiels pour déterminer lesquels sont les meilleurs pour l'environnement.
Par exemple, au Royaume-Uni, Transport for London (TfL) utilise des jumeaux numériques pour collecter des données sur le bruit, la chaleur et les émissions de carbone sur l'ensemble du réseau de métro. Avant le déploiement de la technologie, le personnel de TfL ne pouvait inspecter les actifs que lorsque le tube était fermé entre 1h du matin et 5h du matin. Grâce à l'accès au réseau en temps réel fourni par des jumeaux numériques, TfL peut désormais évaluer des emplacements tout au long des heures de fonctionnement et découvrir des données auparavant indétectables à l'œil humain, telles que des défauts et des points chauds de bruit thermique. Les responsables estiment que le projet constituera un élément clé de l'ambition de Londres de parvenir à un système ferroviaire zéro carbone d'ici 2030.
Alors que la neutralité carbone devient une priorité pour les villes du monde entier, le recours aux jumeaux numériques et à l’intelligence artificielle devrait augmenter.
Bâtiments intelligents
Tout comme les jumeaux numériques et l'intelligence artificielle peuvent aider les villes à devenir plus durables, ils sont de plus en plus utilisés pour créer des bâtiments intelligents. Ces technologies garantissent que la durabilité est une priorité dès le départ, permettant aux gestionnaires de construction et à d’autres parties prenantes de développer des représentations virtuelles capables d’évaluer l’empreinte carbone attendue d’un bâtiment pendant la phase de conception.
C'est l'approche adoptée par les développeurs lors de la conception du Hickman à Londres, qui est devenu le premier bâtiment au monde à recevoir une note SmartScore Platinum. Pendant la construction, le jumeau numérique se connecte au système de gestion du bâtiment via divers capteurs, offrant une vue complète des données telles que l'occupation, la température, la qualité de l'air, les niveaux d'éclairage et la consommation d'énergie. Non seulement cela permet aux développeurs d’optimiser les performances énergétiques et de réduire les émissions de carbone, mais cela définit également le cadre des futures améliorations en matière de durabilité, car celles-ci peuvent d’abord être simulées grâce aux modèles numériques de Hickman.
Il existe une pression réglementaire croissante sur le secteur de la construction pour qu'il conçoive des bâtiments plus écologiques. Nous ne pouvons donc que nous attendre à ce que davantage de promoteurs suivent l'exemple de la Hickman Tower et cherchent à résoudre les problèmes de durabilité avant d'innover.
Devenir une industrie plus durable et, à terme, une seule planète était un objectif insaisissable au cours des dernières années. Mais avec les progrès récents de l’intelligence artificielle et la popularité croissante des jumeaux numériques, cette vision pourrait devenir réalité. Il est désormais temps pour les organisations d’exploiter la puissance combinée de ces technologies pour obtenir des informations à chaque étape de leurs opérations qui soutiendront une économie plus durable et moins émettrice de carbone au niveau micro – et un monde plus vert dans son ensemble.
Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!
Outils d'IA chauds
Undresser.AI Undress
Application basée sur l'IA pour créer des photos de nu réalistes
AI Clothes Remover
Outil d'IA en ligne pour supprimer les vêtements des photos.
Undress AI Tool
Images de déshabillage gratuites
Clothoff.io
Dissolvant de vêtements AI
AI Hentai Generator
Générez AI Hentai gratuitement.
Article chaud
Outils chauds
Bloc-notes++7.3.1
Éditeur de code facile à utiliser et gratuit
SublimeText3 version chinoise
Version chinoise, très simple à utiliser
Envoyer Studio 13.0.1
Puissant environnement de développement intégré PHP
Dreamweaver CS6
Outils de développement Web visuel
SublimeText3 version Mac
Logiciel d'édition de code au niveau de Dieu (SublimeText3)
Bytedance Cutting lance le super abonnement SVIP : 499 yuans pour un abonnement annuel continu, offrant une variété de fonctions d'IA
Jun 28, 2024 am 03:51 AM
Ce site a rapporté le 27 juin que Jianying est un logiciel de montage vidéo développé par FaceMeng Technology, une filiale de ByteDance. Il s'appuie sur la plateforme Douyin et produit essentiellement du contenu vidéo court pour les utilisateurs de la plateforme. Il est compatible avec iOS, Android et. Windows, MacOS et autres systèmes d'exploitation. Jianying a officiellement annoncé la mise à niveau de son système d'adhésion et a lancé un nouveau SVIP, qui comprend une variété de technologies noires d'IA, telles que la traduction intelligente, la mise en évidence intelligente, l'emballage intelligent, la synthèse humaine numérique, etc. En termes de prix, les frais mensuels pour le clipping SVIP sont de 79 yuans, les frais annuels sont de 599 yuans (attention sur ce site : équivalent à 49,9 yuans par mois), l'abonnement mensuel continu est de 59 yuans par mois et l'abonnement annuel continu est de 59 yuans par mois. est de 499 yuans par an (équivalent à 41,6 yuans par mois) . En outre, le responsable de Cut a également déclaré que afin d'améliorer l'expérience utilisateur, ceux qui se sont abonnés au VIP d'origine
Assistant de codage d'IA augmenté par le contexte utilisant Rag et Sem-Rag
Jun 10, 2024 am 11:08 AM
Améliorez la productivité, l’efficacité et la précision des développeurs en intégrant une génération et une mémoire sémantique améliorées par la récupération dans les assistants de codage IA. Traduit de EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, auteur JanakiramMSV. Bien que les assistants de programmation d'IA de base soient naturellement utiles, ils ne parviennent souvent pas à fournir les suggestions de code les plus pertinentes et les plus correctes, car ils s'appuient sur une compréhension générale du langage logiciel et des modèles d'écriture de logiciels les plus courants. Le code généré par ces assistants de codage est adapté à la résolution des problèmes qu’ils sont chargés de résoudre, mais n’est souvent pas conforme aux normes, conventions et styles de codage des équipes individuelles. Cela aboutit souvent à des suggestions qui doivent être modifiées ou affinées pour que le code soit accepté dans l'application.
Le réglage fin peut-il vraiment permettre au LLM d'apprendre de nouvelles choses : l'introduction de nouvelles connaissances peut amener le modèle à produire davantage d'hallucinations
Jun 11, 2024 pm 03:57 PM
Les grands modèles linguistiques (LLM) sont formés sur d'énormes bases de données textuelles, où ils acquièrent de grandes quantités de connaissances du monde réel. Ces connaissances sont intégrées à leurs paramètres et peuvent ensuite être utilisées en cas de besoin. La connaissance de ces modèles est « réifiée » en fin de formation. À la fin de la pré-formation, le modèle arrête effectivement d’apprendre. Alignez ou affinez le modèle pour apprendre à exploiter ces connaissances et répondre plus naturellement aux questions des utilisateurs. Mais parfois, la connaissance du modèle ne suffit pas, et bien que le modèle puisse accéder à du contenu externe via RAG, il est considéré comme bénéfique de l'adapter à de nouveaux domaines grâce à un réglage fin. Ce réglage fin est effectué à l'aide de la contribution d'annotateurs humains ou d'autres créations LLM, où le modèle rencontre des connaissances supplémentaires du monde réel et les intègre.
Sept questions d'entretien technique Cool GenAI et LLM
Jun 07, 2024 am 10:06 AM
Pour en savoir plus sur l'AIGC, veuillez visiter : 51CTOAI.x Community https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou est différent de la banque de questions traditionnelle que l'on peut voir partout sur Internet. nécessite de sortir des sentiers battus. Les grands modèles linguistiques (LLM) sont de plus en plus importants dans les domaines de la science des données, de l'intelligence artificielle générative (GenAI) et de l'intelligence artificielle. Ces algorithmes complexes améliorent les compétences humaines et stimulent l’efficacité et l’innovation dans de nombreux secteurs, devenant ainsi la clé permettant aux entreprises de rester compétitives. LLM a un large éventail d'applications. Il peut être utilisé dans des domaines tels que le traitement du langage naturel, la génération de texte, la reconnaissance vocale et les systèmes de recommandation. En apprenant de grandes quantités de données, LLM est capable de générer du texte
Cinq écoles d'apprentissage automatique que vous ne connaissez pas
Jun 05, 2024 pm 08:51 PM
L'apprentissage automatique est une branche importante de l'intelligence artificielle qui donne aux ordinateurs la possibilité d'apprendre à partir de données et d'améliorer leurs capacités sans être explicitement programmés. L'apprentissage automatique a un large éventail d'applications dans divers domaines, de la reconnaissance d'images et du traitement du langage naturel aux systèmes de recommandation et à la détection des fraudes, et il change notre façon de vivre. Il existe de nombreuses méthodes et théories différentes dans le domaine de l'apprentissage automatique, parmi lesquelles les cinq méthodes les plus influentes sont appelées les « Cinq écoles d'apprentissage automatique ». Les cinq grandes écoles sont l’école symbolique, l’école connexionniste, l’école évolutionniste, l’école bayésienne et l’école analogique. 1. Le symbolisme, également connu sous le nom de symbolisme, met l'accent sur l'utilisation de symboles pour le raisonnement logique et l'expression des connaissances. Cette école de pensée estime que l'apprentissage est un processus de déduction inversée, à travers les connaissances existantes.
Afin de fournir un nouveau système de référence et d'évaluation de questions-réponses scientifiques et complexes pour les grands modèles, l'UNSW, Argonne, l'Université de Chicago et d'autres institutions ont lancé conjointement le cadre SciQAG.
Jul 25, 2024 am 06:42 AM
L'ensemble de données ScienceAI Question Answering (QA) joue un rôle essentiel dans la promotion de la recherche sur le traitement du langage naturel (NLP). Des ensembles de données d'assurance qualité de haute qualité peuvent non seulement être utilisés pour affiner les modèles, mais également évaluer efficacement les capacités des grands modèles linguistiques (LLM), en particulier la capacité à comprendre et à raisonner sur les connaissances scientifiques. Bien qu’il existe actuellement de nombreux ensembles de données scientifiques d’assurance qualité couvrant la médecine, la chimie, la biologie et d’autres domaines, ces ensembles de données présentent encore certaines lacunes. Premièrement, le formulaire de données est relativement simple, et la plupart sont des questions à choix multiples. Elles sont faciles à évaluer, mais limitent la plage de sélection des réponses du modèle et ne peuvent pas tester pleinement la capacité du modèle à répondre aux questions scientifiques. En revanche, les questions et réponses ouvertes
Les performances de SOTA, la méthode d'IA de prédiction d'affinité protéine-ligand multimodale de Xiamen, combinent pour la première fois des informations sur la surface moléculaire
Jul 17, 2024 pm 06:37 PM
Editeur | KX Dans le domaine de la recherche et du développement de médicaments, il est crucial de prédire avec précision et efficacité l'affinité de liaison des protéines et des ligands pour le criblage et l'optimisation des médicaments. Cependant, les études actuelles ne prennent pas en compte le rôle important des informations sur la surface moléculaire dans les interactions protéine-ligand. Sur cette base, des chercheurs de l'Université de Xiamen ont proposé un nouveau cadre d'extraction de caractéristiques multimodales (MFE), qui combine pour la première fois des informations sur la surface des protéines, la structure et la séquence 3D, et utilise un mécanisme d'attention croisée pour comparer différentes modalités. alignement. Les résultats expérimentaux démontrent que cette méthode atteint des performances de pointe dans la prédiction des affinités de liaison protéine-ligand. De plus, les études d’ablation démontrent l’efficacité et la nécessité des informations sur la surface des protéines et de l’alignement des caractéristiques multimodales dans ce cadre. Les recherches connexes commencent par "S
SK Hynix présentera de nouveaux produits liés à l'IA le 6 août : HBM3E à 12 couches, NAND à 321 hauteurs, etc.
Aug 01, 2024 pm 09:40 PM
Selon les informations de ce site le 1er août, SK Hynix a publié un article de blog aujourd'hui (1er août), annonçant sa participation au Global Semiconductor Memory Summit FMS2024 qui se tiendra à Santa Clara, Californie, États-Unis, du 6 au 8 août, présentant de nombreuses nouvelles technologies de produit. Introduction au Future Memory and Storage Summit (FutureMemoryandStorage), anciennement Flash Memory Summit (FlashMemorySummit) principalement destiné aux fournisseurs de NAND, dans le contexte de l'attention croissante portée à la technologie de l'intelligence artificielle, cette année a été rebaptisée Future Memory and Storage Summit (FutureMemoryandStorage) pour invitez les fournisseurs de DRAM et de stockage et bien d’autres joueurs. Nouveau produit SK hynix lancé l'année dernière
