荷兰水务局启动了名为“水资源管理数字孪生”的新项目,希望借此为水资源管理体系建立数字副本,进入数字化建模的新篇章。
一般来讲,数字孪生是由现实物体(现实世界中的对象,例如汽车制造工厂)、虚拟副本(对应现实世界对象的最新数字副本,也就是广义上的模型),以及二者之间的双向交互机制共同构成。来自物理对象的感知数据会以连续或半连续的方式输送至虚拟副本,虚拟副本的数据也会自动发送回去、甚至执行某些变更,而且全程无需人工干预。
数字孪生技术已经在众多先进生产系统中得到广泛应用,包括汽车制造工厂及其他依赖于物联网的多种应用场景。此次新项目意在为荷兰水务管理系统建立更为先进的数字结构。其中,物理系统为受到持续监控的室外供水设施,而虚拟孪生则是一组将计算模型、AI算法、可视化系统/仪表板等多种组件集成起来的综合结构。以此为基础,数字孪生就能不断整合并使用数据、模型、工作流程、以及水务委员会在运营结构中实施的各项复杂举措,努力将水资源管理能力推向新的高度。
考虑到项目自身所处的环境颇具挑战性,我们的目标是朝着成熟的数字孪生迈出稳扎稳打的第一步。为此,项目将探索如何借助数字孪生之力为现代水资源管理找到切实可行的贡献方式,而一切探索都将基于三大核心主题:净水厂、水质保障与干旱防控。
与作为行业标杆的“汽车制造工厂数字孪生”方案相比,这三大核心场景的技术应用水平明显有所不同。在净水厂中,AI算法已经得到广泛应用,但水质建模、预测、及其与决策机制的耦合却普遍采取离线模式。所以,后两者所能实现的数字孪生级别往往不及前者。此外,不同主题将被整合至统一的数字孪生框架当中,以供荷兰各地水务委员会具体应用。最后,除了技术解决方案以外,还有其他挑战需要实际克服——例如如何让这套系统能够在荷兰各级水务委员会的运营、组织和政策结构中得到适当关注、发挥实际作用。
好文章,需要你的鼓励
研究人员基于Meta前首席AI科学家Yann LeCun提出的联合嵌入预测架构,开发了名为JETS的自监督时间序列基础模型。该模型能够处理不规则的可穿戴设备数据,通过学习预测缺失数据的含义而非数据本身,成功检测多种疾病。在高血压检测中AUROC达86.8%,心房扑动检测达70.5%。研究显示即使只有15%的参与者有标注医疗记录,该模型仍能有效利用85%的未标注数据进行训练,为利用不完整健康数据提供了新思路。
西湖大学等机构联合发布TwinFlow技术,通过创新的"双轨道"设计实现AI图像生成的革命性突破。该技术让原本需要40-100步的图像生成过程缩短到仅需1步,速度提升100倍且质量几乎无损。TwinFlow采用自我对抗机制,无需额外辅助模型,成功应用于200亿参数超大模型,在GenEval等标准测试中表现卓越,为实时AI图像生成应用开辟了广阔前景。
AI云基础设施提供商Coreweave今年经历了起伏。3月份IPO未达预期,10月收购Core Scientific计划因股东反对而搁浅。CEO Michael Intrator为公司表现辩护,称正在创建云计算新商业模式。面对股价波动和高负债质疑,他表示这是颠覆性创新的必然过程。公司从加密货币挖矿转型为AI基础设施提供商,与微软、OpenAI等巨头合作。对于AI行业循环投资批评,Intrator认为这是应对供需剧变的合作方式。
中山大学等机构联合开发的RealGen框架成功解决了AI生成图像的"塑料感"问题。该技术通过"探测器奖励"机制,让AI在躲避图像检测器识别的过程中学会制作更逼真照片。实验显示,RealGen在逼真度评测中大幅领先现有模型,在与真实照片对比中胜率接近50%,为AI图像生成技术带来重要突破。