Digital Twins through the lens of machine learning
M. B. Toller, F. M. Rohrhofer, D. Cemernek, et al.
Know Center Research GmbH, Graz, Austria; Graz University of Technology, Graz, Austria; University of Graz, Graz, Austria; LEC GmbH, Graz, Austria
数字孪生研究呈现高度异质性，覆盖众多领域的大量现实任务。与此同时，机器学习已多次展现其作为颠覆性技术的潜力，并深刻影响了诸多研究领域。然而，这两个学科目前仍相对脱节，一些对数字孪生具有重大潜在影响的关键机器学习技术仍属小众。
本文从机器学习视角探讨数字孪生，以促进两个领域之间的跨学科研究与知识交流。研究分析了地球科学、医疗健康和工业领域数字孪生在概念上的差异，并重点关注不同领域的数据特征、学习假设和优化目标。通过对50篇近期机器学习驱动数字孪生研究的系统综述，作者提出了一种基于学习理论的数字孪生通用定义，为数字孪生机器学习研究提供理论基础。此外，研究从跨领域视角系统梳理了数字孪生系统中的循环信息流，涵盖数据采集、预处理、数据管理、仿真、预测、控制、干预测试以及人机交互等关键环节。
💡 研究亮点
● 预测/预报是最常见的孪生目标（44%），但 62% 的研究直接套用现成方法，仅 38% 做了定制；
● 提出基于学习理论的数字孪生形式化定义：数字孪生是一组学习到的函数，核心是准确推断物理实体当前状态；数字孪生系统则是由物理实体、观测函数、数字孪生与期望状态组成的元组，为理论研究提供起点；
数字孪生是物理实体的高精度虚拟表示，机器学习则为其建模、预测和优化提供了新的技术手段。然而，两者目前仍存在一定的研究脱节。本文旨在从机器学习视角建立两者之间的联系，促进跨学科研究与技术融合。
数字孪生在不同领域具有不同的应用特点，其数据来源、学习条件和优化目标也存在明显差异。本文重点分析了三个典型领域。
（1）地球科学领域
地球科学数字孪生主要用于构建地球及其局部区域的虚拟模型，为气候分析、可再生能源规划、水资源管理和灾害防护提供支持。例如，欧盟Destination Earth计划综合利用地面观测、卫星遥感、气象数据、机器学习和物理模型，构建地球数字孪生。
该领域具有数据规模大、时空特征复杂等特点，需要融合不同来源和分辨率的观测数据。机器学习可以用于数据降尺度、气象预测和环境模拟，但模型还必须兼顾物理合理性、可解释性及预测不确定性。
（2）医疗健康领域
医疗数字孪生主要面向个性化医疗，通过构建人体、器官或生理功能的虚拟模型，实现疾病诊断、健康风险评估和治疗方案优化。例如，心脏数字孪生可以模拟心脏生理状态，辅助疾病分析和治疗决策。
该领域面临个体差异大、数据采集有限及因果关系复杂等问题。机器学习模型不仅需要处理多源健康数据，还应避免将变量之间的相关性误认为因果关系。此外，医疗应用尤其重视安全性和可解释性，数字孪生应为医生提供决策支持，而不能简单替代专业医疗判断。
（3）工业领域
工业是数字孪生的重要应用领域，涵盖制造设备监测、电池健康管理、生产优化、故障诊断及能源管理等。其主要目标是提高设备可靠性、降低运行成本并优化生产效率。
工业数据通常具有多源异构、缺失和异常等特点，同时受到实时性和物理约束的限制。因此，机器学习模型需要结合设备机理与实际运行条件，在预测精度、计算效率和可靠性之间取得平衡。
总体而言，三个领域虽然应用对象不同，但都需要将数据驱动方法与领域知识相结合，以满足具体应用场景的需求。
作者通过系统筛选，最终选取50篇机器学习驱动数字孪生的研究论文进行分析。
研究发现，工业领域仍占据主导地位，从技术类型来看，深度学习应用最为广泛，占50%；传统机器学习模型占34%。从应用目标来看，状态预测与预测性分析占44%，优化与控制占22%，异常检测与监测占22%。
作者指出，当前机器学习赋能数字孪生呈现出几个重要发展方向：
- 物理信息机器学习： 将物理规律融入模型训练，提高预测结果的合理性和可靠性。
- 生成式人工智能： 用于系统安全测试、技术文档生成和复杂场景可视化。
- 序列学习： 更充分地挖掘数字孪生运行数据中的时间依赖关系。
- 智能体技术： 推动数字孪生从状态预测向自主决策和多系统协同发展。
与此同时，研究还面临四方面挑战：数字孪生解决方案针对性强、跨场景迁移能力不足；机器学习实验细节不充分，影响研究复现；研究成果存在偏向成功案例的现象；通用机器学习方法应用较多，针对具体场景的定制化设计仍有提升空间。
为建立更加统一的理论框架，作者提出了基于学习理论的数字孪生定义。
定义 1：数字孪生是一组从数据中学到的函数，其中核心函数负责准确推断物理实体的当前状态——这是数字孪生之所以为“孪生”的关键，它对物理实体的几何、物理属性、行为与规则给出逼真的虚拟表征。
定义 2：数字孪生系统是由物理实体、观测函数、数字孪生与期望状态组成的元组，须满足两点：能准确预测物理实体未来状态，并能推断出使物理实体达到期望状态的控制信号。
具体而言，数字孪生包含三类学习任务：推断当前状态、预测未来演化、设计控制信号。这一观点将数字孪生的不同功能纳入统一的机器学习框架，为利用统计学习理论和非线性优化方法研究数字孪生提供了理论基础。
数字孪生系统的运行依赖物理实体与数字模型之间持续的信息交互，既包括物理实体向数字模型传递的数据流，也包括数字模型向物理实体反馈的信息流。作者从机器学习视角分析了其中的关键环节。
Figure 12：Formalised description of a DT system and its components.
数据采集与预处理： 通过传感器获取物理实体的运行数据，并对多源异构数据进行时间同步、格式转换和数据清洗，同时处理缺失值、噪声及异常数据。
数据管理： 建立可靠的数据存储、整合和处理机制，实现不同设备与平台之间的数据共享，为模型训练和实时运行提供支持。
预测与仿真： 利用机器学习分析历史数据，预测物理实体未来状态，并开展不同运行条件下的假设情景分析。物理信息机器学习则通过将物理规律引入模型，减少不符合实际物理规律的预测结果。
因果建模与控制： 数字孪生不仅需要识别数据之间的相关关系，还应通过可控干预分析不同输入对系统状态的影响，进一步支持控制策略优化和运行决策。
人机交互： 通过可视化和可解释人工智能技术展示系统状态、预测结果及控制建议，帮助用户理解模型输出并作出合理决策。
本文系统分析了机器学习赋能数字孪生的应用现状、理论基础和关键技术。作者认为，未来应重点推进以下方向：
一是根据具体应用需求定制机器学习模型，提高模型与物理系统的适配性；二是加强物理信息机器学习研究，将领域知识融入模型；三是探索大语言模型和智能体技术，推动数字孪生向自主决策和多系统协同发展；四是提高研究的可复现性，鼓励开展充分的模型验证和对比实验；五是重视实时数据流和动态学习能力，使模型能够适应不断变化的运行环境。
数字孪生与机器学习的深度融合，将推动新一代数字孪生系统向更加真实、高效、可靠和可解释的方向发展。
