


Memanfaatkan kembar digital dan kecerdasan buatan untuk membina masa depan yang mampan
Kemampanan adalah keutamaan utama untuk semua organisasi hari ini. Menurut Eropah, satu pertiga daripada syarikat terbesar di Eropah telah komited kepada pelepasan sifar bersih menjelang 2050.
Walau bagaimanapun, perniagaan juga mendapati bahawa syarikat mesti mempercepatkan usaha mereka dengan ketara sepanjang dekad yang akan datang, kerana hanya 9% syarikat sedang berada di landasan yang betul untuk mencapai matlamat ini.
Salah satu cara syarikat boleh mencapai pelepasan sifar bersih dan menyelesaikan isu kemampanan lain adalah melalui gabungan kembar digital dan kecerdasan buatan.
Teknologi ini menyediakan perniagaan dengan cerapan yang tiada tandingan tentang operasi mereka, yang seterusnya boleh memaklumkan peningkatan kemampanan dan membantu perniagaan mencapai matlamat iklim mereka.
Sebagai contoh, kembar digital boleh digunakan untuk menguji pelbagai senario dan membantu syarikat menentukan strategi terbaik untuk mengurangkan penggunaan tenaga dan pelepasan.
Kemajuan teknologi mempercepatkan penggunaan kembar digital
Sudah tentu, kembar digital sudah digunakan dalam pelbagai cara. Contohnya, membantu penyelidik penjagaan kesihatan mencipta model jantung, paru-paru atau organ lain yang sangat tepat untuk meningkatkan diagnosis klinikal, pendidikan dan latihan.
Industri tenaga juga menawarkan beberapa kes penggunaan kembar digital, termasuk membina model digital untuk membimbing usaha penggerudian minyak dalam masa nyata.
Tetapi kemajuan teknologi terkini dalam keupayaan simulasi dan pemodelan, peningkatan penggunaan penderia IoT dan infrastruktur pengkomputeran yang lebih meluas bermakna perniagaan boleh meningkatkan pergantungan mereka pada kembar digital.
Apabila organisasi menggunakan kecerdasan buatan untuk meningkatkan kembar digital, faedah tambahan boleh direalisasikan. Sebagai contoh, jalankan simulasi untuk menyiasat senario "bagaimana-jika" dan mendapatkan pemahaman yang lebih mendalam tentang hubungan sebab-akibat.
Terdapat banyak contoh bagaimana teknologi ini boleh meningkatkan operasi, termasuk keupayaannya untuk memaklumkan dunia yang lebih hijau. Dengan itu, berikut ialah beberapa kes penggunaan yang menunjukkan cara kembar digital dan AI boleh memacu kemampanan merentas industri.
●Industri Pintar
Menjelang 2025, 89% daripada platform IoT akan merangkumi kembar digital, mengubah cara kemudahan perindustrian dan pembuatan beroperasi serta menyediakan Cerapan berketepatan tinggi untuk meningkatkan usaha kelestarian. Contohnya termasuk:
- Selidik cara untuk mengurangkan penggunaan tenaga dengan mendapatkan pemahaman yang lebih mendalam tentang tempat kehilangan tenaga berlaku
- Gunakan analisis ramalan untuk menentukan cara pelepasan boleh dikurangkan melalui pelbagai perubahan
- Menjalankan penilaian risiko untuk mengenal pasti kelemahan operasi yang boleh membawa kepada insiden kesan alam sekitar
GE Digital ialah organisasi pertama yang menggunakan kembar digital dan kecerdasan buatan untuk meningkatkan kemampanan. Dengan perisian penalaan secara autonomi, syarikat itu mencipta kembar digital turbin gas untuk mencari suhu nyalaan optimum dan pemisahan bahan api.
Teknologi ini merasakan perubahan degradasi alam sekitar dan fizikal dalam masa nyata untuk memudahkan pelarasan automatik bagi memastikan turbin gas beroperasi dengan cekap dengan pelepasan rendah dan tahap akustik yang rendah.
Dengan teknologi ini, loji kuasa telah mencapai pengurangan 14% dalam pelepasan karbon monoksida dan pengurangan 10-14% dalam pelepasan nitrous oksida.
● Bandar Pintar
Perancangan, pengurusan dan pengoptimuman bandar merupakan satu lagi bidang yang bersedia untuk transformasi melalui gabungan kuasa kembar digital dan kecerdasan buatan.
Bandar pintar ini membawa banyak faedah seperti menyelesaikan masalah ketidakamanan makanan, meningkatkan mobiliti dan membantu mengenal pasti aktiviti jenayah. Bandar pintar juga mempunyai banyak sumbangan untuk mencapai matlamat pembangunan mampan.
Dengan kembar digital dan kecerdasan buatan, kerajaan bandar boleh memahami, mengukur dan meramalkan kesan alam sekitar daripada keputusan mereka dan menguji senario yang berpotensi untuk menentukan yang mana yang terbaik untuk alam sekitar.
Sebagai contoh, Transport for London (TfL) menggunakan kembar digital untuk mengumpul data bunyi, haba dan pelepasan karbon merentas seluruh rangkaian Tube. Sebelum teknologi itu digunakan, kakitangan TfL hanya boleh memeriksa aset apabila kereta bawah tanah ditutup antara 1 pagi dan 5 pagi.
Dengan akses rangkaian masa nyata yang disediakan oleh kembar digital, TfL kini boleh menilai lokasi sepanjang waktu operasi dan juga mendedahkan data yang sebelum ini tidak dapat dikesan oleh mata manusia, seperti kerosakan, suhu tinggi dan titik liputan bunyi. Pegawai percaya projek itu akan membentuk komponen utama matlamat Datuk Bandar Sadiq Khan untuk mencapai sistem rel sifar karbon menjelang 2030.
Memandangkan neutraliti karbon menjadi keutamaan bagi bandar di seluruh dunia, penggunaan kembar digital dan kecerdasan buatan dijangka meningkat.
● Bangunan Pintar
Sama seperti kembar digital dan kecerdasan buatan boleh membantu bandar menjadi lebih mampan, ia semakin digunakan untuk mencipta bangunan pintar.
Teknologi ini memastikan kemampanan menjadi keutamaan sejak awal, membolehkan pengurus pembinaan dan pihak berkepentingan lain membangunkan perwakilan maya untuk menilai jejak karbon yang dijangkakan bangunan semasa fasa reka bentuk.
Ini adalah pendekatan yang diambil oleh pembangun apabila mereka bentuk Hotel Hickman di London, yang telah menjadi bangunan pertama di dunia yang menerima penarafan SmartScore Platinum.
Semasa pembinaan, kembar digital bersambung dengan sistem pengurusan bangunan melalui pelbagai penderia, memberikan pandangan komprehensif data seperti penghunian, suhu, kualiti udara, tahap cahaya dan penggunaan tenaga.
Ini bukan sahaja membolehkan pembangun mengoptimumkan prestasi tenaga dan mengurangkan pelepasan karbon, ia juga menetapkan rangka kerja untuk peningkatan kemampanan masa hadapan, kerana ini boleh disimulasikan terlebih dahulu melalui model berangka Hickman.
Industri pembinaan menghadapi tekanan kawal selia yang semakin meningkat untuk mereka bentuk bangunan yang lebih hijau, jadi kami hanya boleh mengharapkan lebih ramai pembangun mengikuti petunjuk Hickman dan melihat menangani isu kemampanan sebelum menceroboh mana-mana wilayah baharu.
Menjadi industri yang lebih mampan dan akhirnya melindungi planet ini merupakan matlamat yang sukar difahami sejak beberapa tahun lalu. Tetapi dengan kemajuan terkini dalam kecerdasan buatan dan semakin populariti kembar digital, visi ini mungkin menjadi kenyataan.
Kini, tiba masanya untuk organisasi memanfaatkan kuasa gabungan teknologi ini untuk mendapatkan cerapan pada setiap peringkat operasi mereka untuk menyokong ekonomi yang lebih mampan, kurang intensif karbon pada tahap mikro – dan Dunia yang lebih hijau secara keseluruhan .
Atas ialah kandungan terperinci Memanfaatkan kembar digital dan kecerdasan buatan untuk membina masa depan yang mampan. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!

Alat AI Hot

Undresser.AI Undress
Apl berkuasa AI untuk mencipta foto bogel yang realistik

AI Clothes Remover
Alat AI dalam talian untuk mengeluarkan pakaian daripada foto.

Undress AI Tool
Gambar buka pakaian secara percuma

Clothoff.io
Penyingkiran pakaian AI

AI Hentai Generator
Menjana ai hentai secara percuma.

Artikel Panas

Alat panas

Notepad++7.3.1
Editor kod yang mudah digunakan dan percuma

SublimeText3 versi Cina
Versi Cina, sangat mudah digunakan

Hantar Studio 13.0.1
Persekitaran pembangunan bersepadu PHP yang berkuasa

Dreamweaver CS6
Alat pembangunan web visual

SublimeText3 versi Mac
Perisian penyuntingan kod peringkat Tuhan (SublimeText3)

Topik panas

Laman web ini melaporkan pada 27 Jun bahawa Jianying ialah perisian penyuntingan video yang dibangunkan oleh FaceMeng Technology, anak syarikat ByteDance Ia bergantung pada platform Douyin dan pada asasnya menghasilkan kandungan video pendek untuk pengguna platform tersebut Windows , MacOS dan sistem pengendalian lain. Jianying secara rasmi mengumumkan peningkatan sistem keahliannya dan melancarkan SVIP baharu, yang merangkumi pelbagai teknologi hitam AI, seperti terjemahan pintar, penonjolan pintar, pembungkusan pintar, sintesis manusia digital, dsb. Dari segi harga, yuran bulanan untuk keratan SVIP ialah 79 yuan, yuran tahunan ialah 599 yuan (nota di laman web ini: bersamaan dengan 49.9 yuan sebulan), langganan bulanan berterusan ialah 59 yuan sebulan, dan langganan tahunan berterusan ialah 499 yuan setahun (bersamaan dengan 41.6 yuan sebulan) . Di samping itu, pegawai yang dipotong juga menyatakan bahawa untuk meningkatkan pengalaman pengguna, mereka yang telah melanggan VIP asal

Tingkatkan produktiviti, kecekapan dan ketepatan pembangun dengan menggabungkan penjanaan dipertingkatkan semula dan memori semantik ke dalam pembantu pengekodan AI. Diterjemah daripada EnhancingAICodingAssistantswithContextUsingRAGandSEM-RAG, pengarang JanakiramMSV. Walaupun pembantu pengaturcaraan AI asas secara semulajadi membantu, mereka sering gagal memberikan cadangan kod yang paling relevan dan betul kerana mereka bergantung pada pemahaman umum bahasa perisian dan corak penulisan perisian yang paling biasa. Kod yang dijana oleh pembantu pengekodan ini sesuai untuk menyelesaikan masalah yang mereka bertanggungjawab untuk menyelesaikannya, tetapi selalunya tidak mematuhi piawaian pengekodan, konvensyen dan gaya pasukan individu. Ini selalunya menghasilkan cadangan yang perlu diubah suai atau diperhalusi agar kod itu diterima ke dalam aplikasi

Untuk mengetahui lebih lanjut tentang AIGC, sila layari: 51CTOAI.x Komuniti https://www.51cto.com/aigc/Translator|Jingyan Reviewer|Chonglou berbeza daripada bank soalan tradisional yang boleh dilihat di mana-mana sahaja di Internet memerlukan pemikiran di luar kotak. Model Bahasa Besar (LLM) semakin penting dalam bidang sains data, kecerdasan buatan generatif (GenAI) dan kecerdasan buatan. Algoritma kompleks ini meningkatkan kemahiran manusia dan memacu kecekapan dan inovasi dalam banyak industri, menjadi kunci kepada syarikat untuk kekal berdaya saing. LLM mempunyai pelbagai aplikasi Ia boleh digunakan dalam bidang seperti pemprosesan bahasa semula jadi, penjanaan teks, pengecaman pertuturan dan sistem pengesyoran. Dengan belajar daripada sejumlah besar data, LLM dapat menjana teks

Model Bahasa Besar (LLM) dilatih pada pangkalan data teks yang besar, di mana mereka memperoleh sejumlah besar pengetahuan dunia sebenar. Pengetahuan ini dibenamkan ke dalam parameter mereka dan kemudiannya boleh digunakan apabila diperlukan. Pengetahuan tentang model ini "diperbaharui" pada akhir latihan. Pada akhir pra-latihan, model sebenarnya berhenti belajar. Selaraskan atau perhalusi model untuk mempelajari cara memanfaatkan pengetahuan ini dan bertindak balas dengan lebih semula jadi kepada soalan pengguna. Tetapi kadangkala pengetahuan model tidak mencukupi, dan walaupun model boleh mengakses kandungan luaran melalui RAG, ia dianggap berfaedah untuk menyesuaikan model kepada domain baharu melalui penalaan halus. Penalaan halus ini dilakukan menggunakan input daripada anotasi manusia atau ciptaan LLM lain, di mana model menemui pengetahuan dunia sebenar tambahan dan menyepadukannya

Editor |ScienceAI Question Answering (QA) set data memainkan peranan penting dalam mempromosikan penyelidikan pemprosesan bahasa semula jadi (NLP). Set data QA berkualiti tinggi bukan sahaja boleh digunakan untuk memperhalusi model, tetapi juga menilai dengan berkesan keupayaan model bahasa besar (LLM), terutamanya keupayaan untuk memahami dan menaakul tentang pengetahuan saintifik. Walaupun pada masa ini terdapat banyak set data QA saintifik yang meliputi bidang perubatan, kimia, biologi dan bidang lain, set data ini masih mempunyai beberapa kekurangan. Pertama, borang data adalah agak mudah, kebanyakannya adalah soalan aneka pilihan. Ia mudah dinilai, tetapi mengehadkan julat pemilihan jawapan model dan tidak dapat menguji sepenuhnya keupayaan model untuk menjawab soalan saintifik. Sebaliknya, Soal Jawab terbuka

Editor |. KX Dalam bidang penyelidikan dan pembangunan ubat, meramalkan pertalian pengikatan protein dan ligan dengan tepat dan berkesan adalah penting untuk pemeriksaan dan pengoptimuman ubat. Walau bagaimanapun, kajian semasa tidak mengambil kira peranan penting maklumat permukaan molekul dalam interaksi protein-ligan. Berdasarkan ini, penyelidik dari Universiti Xiamen mencadangkan rangka kerja pengekstrakan ciri berbilang mod (MFE) novel, yang buat pertama kalinya menggabungkan maklumat mengenai permukaan protein, struktur dan jujukan 3D, dan menggunakan mekanisme perhatian silang untuk membandingkan ciri modaliti yang berbeza penjajaran. Keputusan eksperimen menunjukkan bahawa kaedah ini mencapai prestasi terkini dalam meramalkan pertalian mengikat protein-ligan. Tambahan pula, kajian ablasi menunjukkan keberkesanan dan keperluan maklumat permukaan protein dan penjajaran ciri multimodal dalam rangka kerja ini. Penyelidikan berkaitan bermula dengan "S

Pembelajaran mesin ialah cabang penting kecerdasan buatan yang memberikan komputer keupayaan untuk belajar daripada data dan meningkatkan keupayaan mereka tanpa diprogramkan secara eksplisit. Pembelajaran mesin mempunyai pelbagai aplikasi dalam pelbagai bidang, daripada pengecaman imej dan pemprosesan bahasa semula jadi kepada sistem pengesyoran dan pengesanan penipuan, dan ia mengubah cara hidup kita. Terdapat banyak kaedah dan teori yang berbeza dalam bidang pembelajaran mesin, antaranya lima kaedah yang paling berpengaruh dipanggil "Lima Sekolah Pembelajaran Mesin". Lima sekolah utama ialah sekolah simbolik, sekolah sambungan, sekolah evolusi, sekolah Bayesian dan sekolah analogi. 1. Simbolisme, juga dikenali sebagai simbolisme, menekankan penggunaan simbol untuk penaakulan logik dan ekspresi pengetahuan. Aliran pemikiran ini percaya bahawa pembelajaran adalah proses penolakan terbalik, melalui sedia ada

Menurut berita dari laman web ini pada 1 Ogos, SK Hynix mengeluarkan catatan blog hari ini (1 Ogos), mengumumkan bahawa ia akan menghadiri Global Semiconductor Memory Summit FMS2024 yang akan diadakan di Santa Clara, California, Amerika Syarikat dari 6 hingga 8 Ogos, mempamerkan banyak produk penjanaan teknologi baru. Pengenalan kepada Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage), dahulunya Sidang Kemuncak Memori Flash (FlashMemorySummit) terutamanya untuk pembekal NAND, dalam konteks peningkatan perhatian kepada teknologi kecerdasan buatan, tahun ini dinamakan semula sebagai Sidang Kemuncak Memori dan Penyimpanan Masa Depan (FutureMemoryandStorage) kepada jemput vendor DRAM dan storan serta ramai lagi pemain. Produk baharu SK hynix dilancarkan tahun lepas
