[论文解读] Artificial Intelligence for Modeling & Simulation in Digital Twins

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

Digital Transformation in Industry被引用 0

一句话总结

本章综述数字孪生（DTs）如何利用建模与仿真（M&S）和人工智能实现实时数据交换、预测分析与自主决策。讨论DT基础、M&S整合、AI协同、标准与未来研究方向。

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.

研究动机与目标

• 定义数字孪生及其关键组件、架构层与利益相关者角色。
• 解释M&S在DT中的作用并概述常见的建模与仿真方法。
• 考察AI如何提升DT，以及DT如何促进AI的开发与部署。
• 讨论架构集成标准（ISO 23247及相关标准）及其跨域适用性。
• 突出挑战并为面向综合、智能系统的未来研究方向提出建议。

提出的方法

• 描述DT组成部分：物理资产、虚拟模型、数据层和连接层。
• 回顾建模与仿真技术：基于物理的、DES、DEVS和系统动力学。
• 解释DT内的M&S集成策略，包括多范式建模与代理建模（surrogate modeling）。
• 讨论DT中AI的整合：分析、自主控制，以及用于训练与验证的AI驱动数据生成。
• 概述标准（ISO 23247-1:2021，ISO/IEC 30173:2023）及示例实现，以说明架构指南。

实验结果

研究问题

• RQ1 数字孪生的关键组成部分与架构层及其相互作用是什么？
• RQ2 如何在DT中集成M&S与AI，以改善预测性维护、优化和自主决策？
• RQ3 哪些标准与架构指南支持跨域DT开发与互操作性？
• RQ4 在构建更为集成与智能的DT系统方面存在哪些关键挑战与未来方向？
• RQ5 跨行业的示例如何展示DT、M&S与AI整合的实际应用？

主要发现

• DTs结合物理资产、数字/虚拟模型、数据层与互连，实现双向数据交换和实时同步。
• 混合建模方法（物理、DES、DEVS、SD）支持真实、保真且计算高效的DT表示。
• AI通过高级分析、预测能力和自主控制提升DT，而DT为训练和验证AI模型提供平台。
• 如ISO 23247-1:2021和ISO/IEC 30173:2023等标准为DT内及跨域的模块化、可互操作的M&S服务提供架构指南。
• 示例显示代理建模、多范式建模，以及边缘端安全数据交换等作为实际DT设计模式。