阅读： 1,473
人们愈发对数字孪生改变科学研究、工业实践和日常生活诸多方面的潜力产生兴趣。数字孪生通过将计算模型与物理模型相耦合创建系统，该系统通过双向数据流随着条件的变化而动态更新。超越传统的模拟和建模，数字孪生可以改善个体患者层面的医疗决策，预测更长时间内的天气和气候条件，以及更安全、更高效的工程流程。
但在实现数字孪生的全部能力之前，仍存在许多挑战。数字孪生技术的基础数学、统计和计算研究存在差距，以及系统和转化挑战。应国防部、能源部、美国国立卫生研究院和国家科学基金会的要求，本报告确定了应对挑战所需的关键研究，提供切实可行的建议，推动数字孪生的实现。
该报告使用的数字孪生概念的定义如下：
数字孪生是一组虚拟信息结构，模拟自然、工程或社会系统（或系统体系）的结构、环境和行为，通过物理孪生的数据动态更新，具有预测的能力，为实现价值决策提供信息。虚拟和物理之间的双向交互是数字孪生的核心。
数字孪生不仅仅涉及仿真和建模。构成数字孪生的关键元素（见图1）包括：
• 建模和仿真，创建物理实物的虚拟表示。
• 物理观察结果用于告知和改进虚拟表示。可以从机载或原位传感器、遥感、自动化和目视检查、操作日志或成像中获取这些数据。
• 虚拟和物理之间的双向交互。物理数据用于动态更新虚拟表示，虚拟表示的预测和模拟驱动物理或传感器和观测系统的变化。
• 变化中涉及的决策可以实现完全自动化，例如，在自动传感器转向中，可以依赖于人的交互，也可以既自动化又进行人工交互。
• “核查、验证、不确定性量化（VVUQ）”用于确定数字孪生的可信度，为仿真建立边界。
数字孪生逐渐应用于生物医学研究、大气科学、工程领域等领域，改善人们的健康状况，提高运营和生产策略的效率，提高人们对科学过程的理解。应用案例如下。医学和生物医学研究 癌症患者和肿瘤的数字孪生可以助力临床决策，如治疗方案和临床评估（见图2）。在生物医学领域，数字孪生用于心血管疾病和骨质疏松患者。
飞机发动机的数字孪生可以用于实时优化燃油效率、预测即将需要更换的零件，进行高效库存管理、评估和规划碳减排等任务。在该应用程序中，虚拟表示可以包括在传感器数据和飞行日志的大型数据库上训练的机器学习模型，数据库中的数据来源于一组发动机。量化数据包括潜在叶片材料退化的计算估计。
在迄今可能的应用中，高保真、高分辨率的物理模型和相关的替代模型，代表耦合的大气、海洋、陆地和冰冻层，用来创建大规模的大气、气候和可持续性数字孪生，对未来全球平均气温或极端降水等状况进行预测，支持政策制定、新观测系统部署和应急防备相关的决策。
总的来说，目前人们对数字孪生解决方案的期待远超其实际应用。认清理想与现实，提高数字孪生研究的可信度，更快找到仍存在的知识差距。实现数字孪生的潜力需要综合研究议程，包括癌症患者和肿瘤数字孪生。
该案例体现了现实中的患者和数字孪生之间的动态双向互动，为制定诊疗方案和临床评估等干预措施的临床决策提供支持，反过来决策又为数字孪生提供信息。
跨多领域的基础数学、统计和计算研究的基本需求，以及特定领域的研究。报告呼吁联邦机构启动新项目，推进数字孪生的数学、统计和计算基础，建议报告中的相关机构采取具体行动。随着以数字孪生为重点的措施的制定和启动，联邦机构应确定并促进多机构间的协同与合作。
报告指出，数字孪生虚拟表示应与目的相符，即应该对虚拟表示模型类型、置信度、解决方案、参数化方法和感兴趣数量进行选择，同时根据不同情况进行动态调整，适应特定的决策任务、可用的计算资源和可接受的成本。例如，数字孪生的预期用途将决定现实中收集的数据用于更新虚拟表示的频率。重症监护室的数字孪生可能需要通过近乎实时获取的传感器数据进行更新，而门诊护理系统的数字孪生则可能通过散发病例的电子健康记录数据进行更新。
数字孪生的不同应用对模型置信度、精度和准确度有不同的要求，但目前许多应用较难实现，数字孪生及其底层模型十分复杂，无法用现有的计算资源及时解决。以目前的计算能力，虚拟表示的规模与预测结果和支持决策所需的规模之间可能存在差距。
报告建议，在制定研究计划以推进数字孪生的基础和应用时，联邦机构应建立机制，为数字孪生研究人员提供计算资源，应意识到模拟和可操作程度之间存在的巨大差距，以及不同组织具有的不同成熟度的高性能计算能力。
算法的进步能够应对部分计算和数据需求，有助于缩小模拟规模和可操作规模之间的差距，一定程度上扩充了计算资源。混合建模是个特别的机会，利用了最佳的数据驱动、机器学习和模型驱动公式以及代理建模方法。
数字孪生可以普遍支持工程、医学和科学应用中的关键决策，应在数字孪生的设计、创建和部署中加强VVUQ，提高虚拟表示的可信度，提供预测结果质量的衡量标准。人工智能、机器学习和经验建模在工程和科学应用中的应用越来越多，但没有VVUQ的标准流程，也很少考虑建模输出的置信度。报告建议，联邦机构应确保新数字孪生项目必须包含VVUQ。
为数字孪生开发强大的VVUQ过程仍然是个挑战。数字孪生VVUQ过程的元素与为其他计算模型开发的元素是共享的，但也存在重要差异。数字孪生VVUQ应该是连续的过程，可以适应实际情况及其虚拟表示、数据输入以及当前预测或决策任务的变化。研究重点包括持续核查、持续验证、外推条件下的VVUQ，以及用于复杂多尺度、多物理和多代码数字孪生软件工作的可扩展算法。
除了基础研究需求，还有跨领域和用例的研究需求和机会。
随着时间的推移，数字孪生可能需要满足决策支持的新需求，整合更新的模型，或适应新的数据源，确保准确性。满足不断变化的需求需要更多的投资维持数字孪生，即为维持和维护物理设备而进行的平行投资，适应修订后的工作流程和设计流程。
联邦机构应各自对其数字孪生需求的主要用例进行评估，在初始创建之后维护数据、软件、传感器和虚拟模型。
数字孪生面对的部分挑战限于特定的研究或应用领域，但有些挑战则涉及多个领域和用例，例如，推进广泛的建模技术或解决数据管理问题。在数字孪生组件的开发中，不同领域的成熟度可能不同。例如，地球系统科学界是数据同化的引领者，许多工程领域已经开发出将VVUQ集成到模拟决策中的方法，医学界开发出了以人为中心的决策方法。跨领域合作有助于使学科界取得的进展惠及其他领域。联邦机构应确定与个人或组织任务相关的目标领域，与行业的合作将促进研究和翻译的进行。
国际气候研究领域有模型共享和数据交换的经验，这些模型和数据已被证明有助于进一步提高气候建模能力。更高水平的协调也有利于数字孪生在其他领域的成熟发展和应用。在定义新的数字孪生研究工作时，联邦机构应做到以下几点：（1）建立论坛，促进跨学科和领域的数据和模型的合作交流，解决数字孪生领域日益发展的隐私和道德要求；（2）促进数据和模型的协作交流；（3）明确与国际机构合作与协调的作用。
该文章原文版权归原作者所有。文章内容仅代表原作者个人观点。本译文仅以分享先进网络安全理念为目的，为业内人士提供参考，促进思考与交流，不作任何商用。如有侵权事宜沟通，请联系littlebee@nsfocus.com邮箱。
发布机构：美国国家科学院（NAS）
发布日期：2023年12月原文链接：https://nap.nationalacademies.org/resource/26894/RH-digital-twins.pdf
小蜜蜂翻译组公益译文项目，旨在分享国外先进网络安全理念、规划、框架、技术标准与实践，将网络安全战略性文档翻译为中文，为网络安全从业人员提供参考，促进国内安全组织在相关方面的思考和交流。
