[논문 리뷰] Artificial Intelligence for Modeling & Simulation in Digital Twins

Philipp Zech, István Dávid|arXiv (Cornell University)|2026. 02. 22.

Digital Transformation in Industry인용 수 0

한 줄 요약

본 장은 디지털 트윈(DT)이 모델링 및 시뮬레이션(M&S)과 AI를 활용하여 실시간 데이터 교환, 예측 분석 및 자율적 의사결정을 가능하게 하는 방법을 고찰한다. DT의 기초, M&S 통합, AI 시너지, 표준, 그리고 향후 연구 방향을 논의한다.

ABSTRACT

The convergence of modeling & simulation (M&S) and artificial intelligence (AI) is leaving its marks on advanced digital technology. Pertinent examples are digital twins (DTs) - high-fidelity, live representations of physical assets, and frequent enablers of corporate digital maturation and transformation. Often seen as technological platforms that integrate an array of services, DTs have the potential to bring AI-enabled M&S closer to end-users. It is, therefore, paramount to understand the role of M&S in DTs, and the role of digital twins in enabling the convergence of AI and M&S. To this end, this chapter provides a comprehensive exploration of the complementary relationship between these three. We begin by establishing a foundational understanding of DTs by detailing their key components, architectural layers, and their various roles across business, development, and operations. We then examine the central role of M&S in DTs and provide an overview of key modeling techniques from physics-based and discrete-event simulation to hybrid approaches. Subsequently, we investigate the bidirectional role of AI: first, how AI enhances DTs through advanced analytics, predictive capabilities, and autonomous decision-making, and second, how DTs serve as valuable platforms for training, validating, and deploying AI models. The chapter concludes by identifying key challenges and future research directions for creating more integrated and intelligent systems.

연구 동기 및 목표

• 디지털 트윈을 정의하고 주요 구성 요소, 아키텍처 계층, 이해관계자 역할을 식별한다.
• DT에서 M&S의 역할을 설명하고 일반적인 모델링 및 시뮬레이션 접근법을 개요를 제시한다.
• AI가 DT를 향상시키는 방법과 DT가 AI 개발 및 배포를 촉진하는 방법을 검토한다.
• 아키텍처 통합 표준(ISO 23247 및 관련 표준)과 이들의 교차 도메인 적용 가능성에 대해 논의한다.
• 통합적이고 지능적인 시스템을 위한 도전과제와 향후 연구 방향을 제시한다.

제안 방법

• DT 구성요소를 설명한다: 물리적 자산, 가상 모델, 데이터 계층, 연결성 계층.
• 물리 기반, DES, DEVS, 시스템 다이내믹스 등 모델링 및 시뮬레이션 기법을 검토한다.
• 다중 패러다임 모델링 및 대리 모델링을 포함한 DT 내 M&S 통합 전략을 설명한다.
• DT에서의 AI 통합: 분석, 자율 제어, 학습 및 검증을 위한 AI 기반 데이터 생성을 논의한다.
• 표준(ISO 23247-1:2021, ISO/IEC 30173:2023)과 사례 구현을 요약하여 아키텍처 가이드를 설명한다.

실험 결과

연구 질문

• RQ1 디지털 트윈의 필수 구성 요소와 아키텍처 계층은 무엇이며, 이들은 어떻게 상호 작용하는가?
• RQ2 예측 유지보수, 최적화, 자율 의사결정을 개선하기 위해 DT 내에서 M&S와 AI를 어떻게 통합할 수 있는가?
• RQ3 크로스 도메인 DT 개발 및 상호 운용성을 지원하는 표준과 아키텍처 가이드라인은 무엇인가?
• RQ4 더 통합되고 지능적인 DT 시스템을 구축하기 위한 주요 도전과제와 향후 방향은 무엇인가?
• RQ5 다양한 산업 사례가 DT, M&S, AI 통합의 실제 응용을 어떻게 보여주는가?

주요 결과

• DT는 물리적 자산, 디지털/가상 모델, 데이터 계층 및 연결성을 결합하여 양방향 데이터 교환과 실시간 동기화를 가능하게 한다.
• 하이브리드 모델링 접근법(물리 기반, DES, DEVS, SD)은 신뢰성 높고 계산적으로 효율적인 DT 표현을 지원한다.
• AI는 고급 분석, 예측 기능 및 자율 제어를 통해 DT를 향상시키는 반면, DT는 AI 모델의 학습 및 검증을 위한 플랫폼을 제공한다.
• ISO 23247-1:2021 및 ISO/IEC 30173:2023와 같은 표준은 DT 내 및 도메인 간 모듈식, 상호 운용 가능한 M&S 서비스에 대한 아키텍처 지침을 제공한다.
• 사례들은 대리 모델링, 다중 패러다임 모델링, 에지 기능이 있는 안전한 데이터 교환을 실용적인 DT 설계 패턴으로 제시한다.