デジタルツインを開発する前の 7 つのステップ
クラウド インフラストラクチャ、エッジ コンピューティング、IoT、分散データ管理プラットフォーム、機械学習機能の進歩により、デジタル ツインは SF からフィクションへと進化しました。小説は、より主流のビジネス機能に移行します。
企業は長い間、OT と IT を分離する余裕がありましたが、製造業者、建設業者、小売業者など、物理世界とデジタル世界を接続する必要があるその他の企業にとって、これはもはや不可能です。ケース。デジタル ツインは、この接続を実現するための 1 つのチャネルであり、生産の最適化と品質の向上という運用上の利点があります。さらに、実世界のデータに基づいた機械学習を製品、サービス、ビジネス プロセスの改善に使用すると、戦略的なメリットが得られます。
デジタル ツインを開発する前の 7 つのステップは次のとおりです:
1. 成功する導入を調査する
ブレインストーミングを行って新しいテクノロジー分野に踏み込む前に、企業、ユースケース、および早期導入者のメリットを調査することをお勧めします。デジタル ツインについては、製造、建設、ヘルスケア、その他の分野 (人間の脳そのものを含む) で多くの例があります。
あらゆる新興テクノロジー分野のリーダーは、導入を促すストーリーを探しています。インスピレーションを与え、可能性を説明するのに役立つアートもあれば、支援者を惹きつけるために実用的でビジネスの成果を実証する必要があるものもあります。企業の直接の競合他社がデジタルツインの導入に成功している場合、そのユースケースを強調することで緊迫感が生まれることがよくあります。
#2. 革新的な機会を特定する
デジタル ツインの構築には費用がかかります。たとえば、あるグループは、商業オフィスビルのデジタルツインの開発には 120 万ドルから 170 万ドルの費用がかかると見積もっていました。したがって、デジタル ツインを開発する前に、チームは製品ビジョンを文書化し、ビジネスの理論的根拠を検討し、財務上のメリットを見積もる必要があります。
状況を一変させる目標が投資を促進することがあります。一例: 2020 年、TCS は地元の NGO と提携して、新たな新型コロナウイルス感染症のホットスポットに対処しました。エンタープライズデジタルツインは、プロセスと状況をシミュレートして、ウイルスの特性、集団の異質性、移動パターンなど、感染に影響を与える要因をシミュレートします。市のデジタル ツインは、公衆衛生と安全を損なうことなく効果的な介入を探ることを目的とした「コンピューター実験」です。
#3. ライフサイクル管理を検討する
- テクノロジー自体を目的として実験しないでください。
- モデル、サービス、またはシミュレーションの作成に使用されるデジタル ツインの母集団が現実世界の人々を表すようにしてください。
- デジタル ツインの開発からデプロイまでを迅速かつ確実に行えるように MLOps ツールセットを準備します。
4. システム設計ツールを活用する
ビジネス ケースとライフ サイクルを設計した後、チームは計画と実験を開始するためにどのツールの使用を検討する必要がありますか?
以下は、プロフェッショナルの世界で使用されるシステム設計ツールの例です。
- 建築、エンジニアリング、建設向けの Autodesk デジタル ツイン。
- Bentley インフラストラクチャ デジタル ツイン。信号塔や水道システムなどの分野で使用されます。
- General Electric の機器、ネットワーク、製造プロセス向けデジタル ツイン。
- 消費者製品の設計、開発、製造のためのシーメンスのデジタルツイン。
- スペース管理や予知保全など、スマートビルディング向けのボッシュのデジタルツイン。
これらはほんの数例ですが、デジタル ツインに取り組む技術者にとって、運用チームが使用する産業用プラットフォームに精通していることが重要です。
5. ユーザーの役割と機会の定義
技術スタッフがテクノロジーへの取り組みを開始するときは常に、エンド ユーザーとエンド プラットフォームの使用役割を特定することが重要です。 IT リーダーは、デジタル ツインから誰が最も恩恵を受けるかを定義する必要があります。通常、主な受益者は運用部門で働く人々です。
デジタル ツインの主な機能は、OT/IT データをマージし、必要に応じてデータ分析または AI/ML を通じてこれらのデータ セットをコンテキストに組み込むことです。しかし、その真の力は、エンジニア、メンテナンス担当者、その他の技術スタッフなどの OT がデータ ポイントを完全に理解しているため、データ ポイントを取得できるようにすることにあります。
ユーザーのペルソナを理解することが最初のステップであり、次のステップは、ワークフローと業務のどの部分がデジタル ツインのデータ収集、機械学習予測、シナリオ プランニング機能から恩恵を受けることができるかを判断することです。
6. スケーラブルなデータ プラットフォームを構築する
デジタル ツインによって生成されるデータの数はペタバイト以上に達し、マシンの保守に保護、分析、使用する必要があります。学習モデル。アーキテクチャ上の重要な考慮事項は、リアルタイム IoT データ ストリームを収集するためのデータ モデルとプロセス、およびデジタル ツインのデータ管理アーキテクチャを設計することです。
多くのデータ管理プラットフォームは、リアルタイム分析と大規模な機械学習モデルをサポートしています。ただし、製造コンポーネントやスマート ビルディングなど、数千以上のエンティティの動作をシミュレートするために使用されるデジタル ツインには、エンティティとその関係をクエリできるデータ モデルが必要です。
7. クラウド コンピューティングと新興テクノロジーの競争力を構築する
デジタル ツイン プラットフォームをインストールし、数千の IoT センサーからのデータを統合し、スケーラブルなデータを構築する すべてのプラットフォームで IT 部門が必要とするのは、テクノロジーインフラストラクチャの大規模展開における核となる競争力。 IT チームがユースケースを検討し、デジタル ツイン プラットフォームの機能を実験するとき、IT リーダーは、本番環境に対応したデジタル ツインをサポートするために必要なクラウド、インフラストラクチャ、統合、デバイスを考慮する必要があります。
インフラストラクチャに加えて、新しいデバイスをサポートし、分析を活用するための機能も開発する必要があります。デジタル ツインの成功は、AI/ML や AR/VR などのクラウドネイティブ アプリケーションによってサポートされる強力なデジタル コアから始まり、組織がインフラストラクチャについて考えることなくデータとアプリケーションを処理できるようにします。
概要
デジタル ツインには大きな可能性がありますが、これまで、その規模と複雑さは、高度なテクノロジー機能を持たない多くの企業にとって手の届かないものでした。幸いなことに、これはもう当てはまりません。運用を学び、協力する IT リーダーは、組織にデジタル ツイン機能を導入する機会を得られます。
以上がデジタルツインを開発する前の 7 つのステップの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

ホットAIツール

Undresser.AI Undress
リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover
写真から衣服を削除するオンライン AI ツール。

Undress AI Tool
脱衣画像を無料で

Clothoff.io
AI衣類リムーバー

AI Hentai Generator
AIヘンタイを無料で生成します。

人気の記事

ホットツール

メモ帳++7.3.1
使いやすく無料のコードエディター

SublimeText3 中国語版
中国語版、とても使いやすい

ゼンドスタジオ 13.0.1
強力な PHP 統合開発環境

ドリームウィーバー CS6
ビジュアル Web 開発ツール

SublimeText3 Mac版
神レベルのコード編集ソフト(SublimeText3)

ホットトピック









このサイトは6月27日、JianyingはByteDanceの子会社であるFaceMeng Technologyによって開発されたビデオ編集ソフトウェアであり、Douyinプラットフォームに依存しており、基本的にプラットフォームのユーザー向けに短いビデオコンテンツを作成すると報告しました。 Windows、MacOS、その他のオペレーティング システム。 Jianyingは会員システムのアップグレードを正式に発表し、インテリジェント翻訳、インテリジェントハイライト、インテリジェントパッケージング、デジタルヒューマン合成などのさまざまなAIブラックテクノロジーを含む新しいSVIPを開始しました。価格的には、クリッピングSVIPの月額料金は79元、年会費は599元(当サイト注:月額49.9元に相当)、継続月額サブスクリプションは月額59元、継続年間サブスクリプションは、年間499元(月額41.6元に相当)です。さらに、カット担当者は、ユーザーエクスペリエンスを向上させるために、オリジナルのVIPに登録している人は、

検索強化生成およびセマンティック メモリを AI コーディング アシスタントに組み込むことで、開発者の生産性、効率、精度を向上させます。 JanakiramMSV 著者の EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG から翻訳。基本的な AI プログラミング アシスタントは当然役に立ちますが、ソフトウェア言語とソフトウェア作成の最も一般的なパターンに関する一般的な理解に依存しているため、最も適切で正しいコードの提案を提供できないことがよくあります。これらのコーディング アシスタントによって生成されたコードは、彼らが解決する責任を負っている問題の解決には適していますが、多くの場合、個々のチームのコーディング標準、規約、スタイルには準拠していません。これにより、コードがアプリケーションに受け入れられるように修正または調整する必要がある提案が得られることがよくあります。

AIGC について詳しくは、51CTOAI.x コミュニティ https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou を参照してください。これらの質問は、インターネット上のどこでも見られる従来の質問バンクとは異なります。既成概念にとらわれずに考える必要があります。大規模言語モデル (LLM) は、データ サイエンス、生成人工知能 (GenAI)、および人工知能の分野でますます重要になっています。これらの複雑なアルゴリズムは人間のスキルを向上させ、多くの業界で効率とイノベーションを推進し、企業が競争力を維持するための鍵となります。 LLM は、自然言語処理、テキスト生成、音声認識、推奨システムなどの分野で幅広い用途に使用できます。 LLM は大量のデータから学習することでテキストを生成できます。

大規模言語モデル (LLM) は巨大なテキスト データベースでトレーニングされ、そこで大量の現実世界の知識を取得します。この知識はパラメータに組み込まれており、必要なときに使用できます。これらのモデルの知識は、トレーニングの終了時に「具体化」されます。事前トレーニングの終了時に、モデルは実際に学習を停止します。モデルを調整または微調整して、この知識を活用し、ユーザーの質問により自然に応答する方法を学びます。ただし、モデルの知識だけでは不十分な場合があり、モデルは RAG を通じて外部コンテンツにアクセスできますが、微調整を通じてモデルを新しいドメインに適応させることが有益であると考えられます。この微調整は、ヒューマン アノテーターまたは他の LLM 作成物からの入力を使用して実行され、モデルは追加の実世界の知識に遭遇し、それを統合します。

編集者 |ScienceAI 質問応答 (QA) データセットは、自然言語処理 (NLP) 研究を促進する上で重要な役割を果たします。高品質の QA データ セットは、モデルの微調整に使用できるだけでなく、大規模言語モデル (LLM) の機能、特に科学的知識を理解し推論する能力を効果的に評価することもできます。現在、医学、化学、生物学、その他の分野をカバーする多くの科学 QA データ セットがありますが、これらのデータ セットにはまだいくつかの欠点があります。まず、データ形式は比較的単純で、そのほとんどが多肢選択式の質問であり、評価は簡単ですが、モデルの回答選択範囲が制限され、科学的な質問に回答するモデルの能力を完全にテストすることはできません。対照的に、自由回答型の Q&A

機械学習は人工知能の重要な分野であり、明示的にプログラムしなくてもコンピューターにデータから学習して能力を向上させる機能を提供します。機械学習は、画像認識や自然言語処理から、レコメンデーションシステムや不正行為検出に至るまで、さまざまな分野で幅広く応用されており、私たちの生活様式を変えつつあります。機械学習の分野にはさまざまな手法や理論があり、その中で最も影響力のある 5 つの手法は「機械学習の 5 つの流派」と呼ばれています。 5 つの主要な学派は、象徴学派、コネクショニスト学派、進化学派、ベイジアン学派、およびアナロジー学派です。 1. 象徴主義は、象徴主義とも呼ばれ、論理的推論と知識の表現のためのシンボルの使用を強調します。この学派は、学習は既存の既存の要素を介した逆演繹のプロセスであると信じています。

編集者 | KX 医薬品の研究開発の分野では、タンパク質とリガンドの結合親和性を正確かつ効果的に予測することが、医薬品のスクリーニングと最適化にとって重要です。しかし、現在の研究では、タンパク質とリガンドの相互作用における分子表面情報の重要な役割が考慮されていません。これに基づいて、アモイ大学の研究者らは、初めてタンパク質の表面、3D 構造、配列に関する情報を組み合わせ、クロスアテンション メカニズムを使用して異なるモダリティの特徴を比較する、新しいマルチモーダル特徴抽出 (MFE) フレームワークを提案しました。アライメント。実験結果は、この方法がタンパク質-リガンド結合親和性の予測において最先端の性能を達成することを実証しています。さらに、アブレーション研究は、この枠組み内でのタンパク質表面情報と多峰性特徴の位置合わせの有効性と必要性を実証しています。 「S」で始まる関連研究

7月5日のこのウェブサイトのニュースによると、グローバルファウンドリーズは今年7月1日にプレスリリースを発行し、自動車とインターネットでの市場シェア拡大を目指してタゴール・テクノロジーのパワー窒化ガリウム(GaN)技術と知的財産ポートフォリオを買収したことを発表した。モノと人工知能データセンターのアプリケーション分野で、より高い効率とより優れたパフォーマンスを探求します。生成 AI などのテクノロジーがデジタル世界で発展を続ける中、窒化ガリウム (GaN) は、特にデータセンターにおいて、持続可能で効率的な電力管理のための重要なソリューションとなっています。このウェブサイトは、この買収中にタゴール・テクノロジーのエンジニアリングチームがGLOBALFOUNDRIESに加わり、窒化ガリウム技術をさらに開発するという公式発表を引用した。 G
