История и новые кейсы цифровых двойников: от космоса до интеграции с ML

История цифровых двойников (ЦД) берет свое начало в 1960-х годах — с появлением систем автоматизированного проектирования CAD и CAE, которые по мере своего развития постепенно сформировали принципы автоматизированной разработки виртуальных копий физических объектов. Подобные системы стали важным компонентом пайплайна, связанного с построением цифровых двойников. Например, теперь их используют при проектировании зданий, помещений, даже целых городов.

Сегодня поговорим о развитии цифровых двойников: как концепция, описанная в научно-популярной книге «Зеркальные миры», нашла отражение в реальном мире. Также рассмотрим несколько кейсов — как в реальной жизни применяют связку «цифровой двойник + машинное обучение».

Первые опыты и цифровые копии космических аппаратов

В 1970-е годы в аэрокосмической отрасли появились первые прообразы современных цифровых двойников. К широкому обсуждению возможностей подобных систем привела авария во время миссии «Аполлон-13». На борту космического корабля возросла концентрация углекислого газа. Чтобы спасти экипаж, инженеры из Хьюстона разработали проект системы очистки воздуха, которую астронавты смогли бы собрать из имеющихся на борту материалов.

В тот момент трагедии удалось избежать, а инцидент дал толчок развитию первых «цифровых двойников» (хотя официальный термин возник гораздо позже). Инженеры NASA дополнили физическую модель космического корабля цифровыми компонентами. Такой подход позволил в реальном времени проанализировать события, предшествовавшие инциденту на борту, и в дальнейшем отрабатывать сценарии нештатных ситуаций.

Концепция в литературе

В 1991 году Дэвид Гелернтер, ученый, специалист в области теории вычислительных систем и преподаватель в Йельском университете, опубликовал научно-популярную книгу «Зеркальные миры», в которой описал цифровых двойников. Да, Гелернтер не использовал сам термин «цифровой двойник», однако его идеи оказались почти неотличимы от технологии в современном понимании.

Книга «Зеркальные миры» описывает концепцию, которая отсылает нас к компьютерным моделям, представляющим собой виртуальные копии объектов из реального мира. Эти модели отражают различные аспекты окружающей действительности, и с их помощью можно не только отслеживать изменения в различных сферах общества — от аэрокосмической отрасли до повседневной жизни — но и предугадывать будущее.

Дэвид Гелернтер рассчитывал, что его прогнозы относительно подобных возможностей систем воплотятся в жизнь вскоре после выхода книги. И им суждено было сбыться, правда, не так скоро, как надеялся автор.

Рождение термина «цифровой двойник»

Спустя одиннадцать лет после выхода книги концепция Дэвиа Гелернтера, наконец, обрела имя. Термин «цифровой двойник» был введен в начале 2000-х годов Майклом Гривзом, преподавателем Мичиганского университета. Он использовал его, когда искал способы увеличить эффективность производственных предприятий и предложил построить сеть датчиков и камер для непрерывного сбора информации и построения компьютерной копии завода. Такая система должна была позволить тестировать нововведения на виртуальных производственных линиях, находить причины неполадок и прогнозировать сбои.

По словам Гривза, цифровой двойник — это набор информационных структур, моделирующих предполагаемый или реальный физический продукт.

Разумеется, со временем возникали и другие определения, хотя их основной смысл оставался прежним. Например, в компании IBM под цифровым двойником сегодня понимают виртуальную модель системы, построенную на основе реальных данных, которая может использовать системы ИИ для принятия решений.

Цифровые двойники в реальном мире: практика

Работа с комплексными цифровыми двойниками требует серьезных вычислительных мощностей. Неудивительно, что для этих целей начали использовать суперкомпьютеры. Так, ещё в 2004 году Суперкомпьютерный центр Барселоны (BSC) запустил одну из самых мощный вычислительных машин в мире — MareNostrum, которую использовали для решения математических задач и составления климатических прогнозов. Более совершенные версии этого суперкомпьютера сегодня используют для работы с цифровыми двойниками человеческого организма.

Суперкомпьютер под названием Dawn планируют использовать для проектирования цифрового двойника термоядерного реактора. В теории он может помочь сделать шаг к отказу от ископаемого топлива. ЦД, созданные с помощью Dawn, будут моделировать поведение термоядерного синтеза и помогать проектировать электростанции в течение следующих 20 лет в рамках программы по разработке прототипа термоядерной энергетической установки STEP.

Рассмотрим несколько других реальных примеров, в которых были объединены возможности цифровых двойников и машинного обучения.

Промышленность

Сегодня двойники разрабатывают для управления ресурсами и цепочками поставок в режиме реального времени. Потоковая аналитика в связке с IoT, способна заполнять пробелы в данных, возникающие при недоступности сенсоров на складах, уведомлять о неэффективной работе устройств.

Например, ЦД внедряют в российской промышленности. ЮУрГУ работает над виртуальными моделями электроприводов для машиностроительных и металлургических заводов Челябинской области. Инженеры используют нейронные сети для сбора и обработки данных с объекта и построения моделей поведения и характеристик электропривода.

В начале года сообщалось, что в России запустили новый суперкомпьютер, который будет помогать с проектированием цифровых двойников авиационных двигателей. Высокопроизводительная система позволит заменить часть испытаний оборудования вычислительными экспериментами.

Также цифровых двойников в связке с ML используют в нефтегазовой отрасли. В результате оценки месторождения инженеры, как правило, получают огромный свод неструктурированных данных. Специалисты обучили модель по методу self-supervised learning, которая на основе собранной информации формирует вектор, полностью описывающий параметры скважины. Цифровой двойник поможет выбирать направления для бурения, чтобы оставаться в рамках одного типа породы.

Медицина

Цифровые двойники внедряют в сфере медицинского образования, диагностики и лечения различных заболеваний, особенно в областях, где традиционные методы не позволяют добиться нужного эффекта. Так, врачи позаимствовали программное обеспечение Dassault Systemes, разработанное для проектирования самолетов, чтобы вылечить пациента с увеличенным правым предсердием. Специалисты использовали модель, которая показывала, как залатать крыло самолета, чтобы с ее помощью разработать манжету для искусственного клапана сердца. А для расчета растяжимости материалов они использовали ML-алгоритмы

Другой пример — к 2025 году на базе Сеченовского университета откроют Центр биодизайна и персонализированной медицины. Главная задача центра — разработка виртуальных пациентов. Цифровые двойники реальных больных помогут врачам лучше прогнозировать течение заболевания, тестировать лекарства и проводить эксперименты с терапией.

Инфраструктура

Цифровые двойники становятся ключевыми инструментами в проектировании и управлении мегаполисами. Так, их задействуют для планировки городов, что позволяет экономно расходовать землю при небольшом потенциале для расширения инфраструктуры. В то же время в методах цифрового прогнозирования, применяемых в Сингапуре, присутствуют элементы машинного обучения. ML-системы обрабатывают информацию с камер и датчиков, чтобы получать всестороннее представление о городской динамике, предотвращать пробки.

У нас также используют цифровые двойники, чтобы координировать работу общественного транспорта — в частности, прогнозирования загрузки железнодорожных путей и расчета стоимости эксплуатации путевого оборудования. Системы предиктивной аналитики на базе систем ИИ отслеживают состояние узлов и агрегатов локомотива, выявляют аномалии и автоматически информируют об их появлении.

Образование

Есть мнение, что цифровые двойники — одна из технологий, которая определит развитие не только промышленности, но и социальной сферы. В частности, цифровые двойники уже находят применение как инструмент иммерсивного обучения. Практические сценарии воссоздают в VR-среде, погружающей студента или специалиста в контекст, ускоряя усвоение информации.

Где взять ресурсы для создания цифровых двойников

Разработка цифровых двойников — крайне ресурсоемкое предприятие. Чтобы создать исчерпывающую и комплексную модель, необходимы колоссальные объемы данных, описывающие структуру и поведение реального объекта, а также вычислительные мощности для их обработки. При этом требуются ресурсы на поддержание виртуальной модели в актуальном состоянии.

Можно ожидать, что из-за высокой ресурсоёмкости, цифровые двойники все чаще будут разворачивать в облаке. И это уже происходит. Дело в том, что с помощью ЦД, построенных на базе облачной инфраструктуры ^[4], можно реализовать куда более сложные симуляции, чем on-premise. В то же время команда разработки двойника получает возможность тестировать различные сценарии и модифицировать их удаленно.

Облачные технологии также дополнят возможности ЦД для мониторинга в реальном времени. Так, облако уже упрощает работу по сбору данных, а системы ИИ — анализируют их и помогают принимать решения на лету. Получается, что реализация потенциала цифровых двойников требует интеграции десятков технологий, а облако провайдера предлагает целую экосистему для работы с данными и высокопроизводительными вычислениями.

Кроме того, платформа данных Arenadata ^[5] в облаке MWS поможет построить цифрового двойника предприятия и реализовать оперативный доступ к производственным и финансовым данным.

Заключение

Подход ЦД находит всё более разнообразные применения. Идея получила ещё более широкое распространение с развитием ML-систем. Подобная интеграция позволяет непрерывно анализировать поступающую информацию и оптимизировать производственные процессы.

ML-модели часто используют при запуске «умных» производств, которые обрабатывают показания датчиков в реальном времени, чтобы предотвращать сбои до их возникновения.

Интеграция с системами ИИ значительно расширила возможности цифровых двойников. Сфера активно развивается, что подтверждают не только различные научные исследования и статьи, но и успешные бизнес-кейсы