安世亚太田锋:数字孪生体进化论
此处所说的仿真是广义仿真,那些具有明确物理机理的计算过程都属于广义仿真,包括物理(如流动、力学、化学等)原理确定并被实践验证,往往被作为成熟理论来使用,包含公理、定理、公式、数值计算、工程算法、经验公式等。模拟仿真采用的工具包括算法程序、各类CAE工具,譬如物理场仿真、人群仿真、交通仿真、物流仿真、组织仿真等。 通常来说,CAE有两种类型:物理场仿真和系统仿真。物理场仿真的计算规模大、时间长,通常无法满足数字孪生体与物理对象实时交互的需要;系统仿真则具有速度快的优势,通常可以达到实时交互要求。因此,在数字孪生实践中,往往需要把物理仿真过程进行降阶(ROM),抽取物理仿真的某些特性和参数,转换成系统仿真模型来参与计算。 我们把模拟仿真过程称为“先知”,该过程提供了数字孪生体的“左脑”。人类的左脑专事逻辑推理和理性判断,只要具有明确规律和逻辑,不管多复杂,总是可以通过推理获得明确的结论,提前知道数字孪生体和物理对象将会发生什么。此时的数字孪生体就是一个有头脑、会思考的智能孪生体,开始具有明显的生命特征,特别是人类的理性思维特征。 六、数据分析 数据分析过程是基于不完整信息和不明确机理来推测未来。我们的世界中,大多数现象的物理规律并不明确,大多数情况无法获得完备的边界条件和物理状态,但我们仍然不得不对未来做出预测,哪怕是在模糊的判断,仍然好于毫无判断。如果要求数字孪生体越来越智能和智慧,就不应局限于人类对物理世界的确定性知识。其实人类本身就不是完全依赖确定性知识而领悟世界的。 大数据和人工智能(AI)技术是数据分析的关键技术。根据通过“互动”过程收集的数据以及“先知”过程输出的数据,利用相关性分析建立物理世界的近似模型,依据当前边界条件和物理状态进行下一步状态的预测,并且对近似模型逐步优化。当前边界条件和物理对象状态是被不完整测量的,但也只能作为近似模型的不完备输入条件,输出的结果当然距离物理世界的真实情况有一定偏差。但随着机器学习的持续,算法和模型逐步改善,近似模型会越来越逼近物理机理,预测结果也会逼近物理世界。也正是因为这个原因,业界有人将大数据(及AI)视为科学研究的“第四范式”,科研方法从传统的三种方法——理论、实验、计算拓展到第四种方法——大数据(及AI)。 我们把这个过程称为“先觉”,提供了数字孪生体的“右脑”。人类的右脑专事感性思维,利用直觉和第六感来获得对世界的判断和预测。当然这里指的直觉那种优秀的直觉,而非普通人的直觉。优秀的直觉源于对丰富经历和有效经验的高度总结,还需要经常性的深度思考和远期瞭望。我们的社会中确有一类具有这种优秀和敏锐直觉的人,是他们引导着你的企业、机构甚至人类的发展方向。 七、数字资产 数字孪生体作为一种数字资产,其中的数据就像生命体的基因。它的积累、管理、追溯和共享既是其存在的基本特征,又是其进步的必要手段。数字资产通过传承、协同和进化,向历史学习,向他人学习,从而实现持续成长。人类之所以进步,是因为我们的祖先通过将他们的思想和成果用文字的方式流了下来,使得我们可以传承祖先的智力资产,可以向老子问道,向孔子习理,向牛顿求知,向亚里士多德讨教。 数字线程和云计算是进行数字资产处理的关键技术。数字线程将物理对象的全生命周期的各数字孪生体之间的数据资产进行传递和追溯,从而实现优秀基因遗传。云计算则将不同物理对象的数字孪生体之间实现共享和协同,从而实现平庸基因进化。 (编辑:惠州站长网) 【声明】本站内容均来自网络,其相关言论仅代表作者个人观点,不代表本站立场。若无意侵犯到您的权利,请及时与联系站长删除相关内容! |