">

元宇宙的应用场景:工业元宇宙

前言

元宇宙,在2C的消费者界面为大众熟知。其实,还有另外一个广阔的应用场景,即产业界:工业元宇宙。其中产业界的数字镜像、仿真,主要强调数字(比特)世界对物理(原子)世界的刻画。而数字孪生技术,更强调数字和物理世界的互动。模拟仿真系工业元宇宙的初级阶段,而数字镜像为其高级阶段。

具体而言:数字孪生和模拟仿真之间的区别主要在于规模问题:虽然模拟仿真通常是研究一个特定的过程,但数字孪生本身可以运行任意数量的有用模拟来研究多个过程。此外,仿真技术通常不会从实时数据中受益。但数字孪生是围绕双向信息流设计的。在对象传感器向系统处理器提供相关数据时发生,然后在处理器创建的见解与原始源对象共享回时再次发生。

数字孪生能够从比模拟仿真有更多的可能去研究新问题,并在改进产品和流程方面具有更大的潜力。

数字孪生的历史沿革

数字孪生的概念始于航天军工领域,最早在1969 年被NASA 应用于阿波罗计划中,用于构建航天飞行器的孪生体,反映航天器在轨工作状态,辅助紧急事件的处置。2003 年,数字孪生概念正式被密歇根大学的Grieves 教授提出,并强调全生命周期交互映射的特征。

近年来,数字孪生技术在工业、城市管理领域持续渗透,并向交通、健康医疗等垂直行业拓展,实现机理描述、异常诊断、风险预测、决策辅助等应用价值,有望在未来成为经济社会产业数字化转型的通用技术。

模拟仿真核爆炸试验

超级计算机的重要应用之一是模拟核爆炸试验。美国曾利用1945年至1992年进行的1054次核爆炸试验数据,通过超级计算机建立核爆炸模型,研制新一代核武器。中国和美国是世界上超算最多的国家,超算的水平是在交替领先过程中。目前中国超算排名第一的是神威太湖之光,峰值运算速度是12.5亿亿次。按照核武器设计的通常观点,速度超过10,000亿次的计算机就可以模拟核爆炸。

美国为在实验室内进行核武器物理规律的实验模拟投资12亿美元,并已开始动工建造国家点火装置,用192台大功率激光器,产生18兆焦耳的脉冲能量,模拟核爆炸,研究核爆物理过程,全面实现实验室内模拟核武器爆炸的物理过程。

数字孪生助力医药研发

传统的新药研发模式正在变得越来越困难。以往积累的大量的研究数据难以被人工全面覆盖;药物靶点研发和适应症选择被有限的人类经验和知识锁死;先导化合物的潜在效应和副作用难以被人工预测;多中心临床试验的人力成本越来越高。

近年来,针对细胞膜系统,设计新型抗感染和抗肿瘤药物已逐渐成为了生物医药领域的前沿热点。然而,由于细胞膜结构的复杂性和异质性,传统的结构生物学方法无法得到高分辨率的细胞膜三维结构,也难以研究细胞膜与药物分子的相互作用机制,这大大限制了细胞膜靶向药物的设计与开发。

2013年,获得诺贝尔化学奖的多尺度分子动力学模拟技术为认识和探索超复杂生物体系的动态运行机制提供了可能。建立生物细胞膜系统的超大规模计算体系,发展生物大数据的智能分析方法,是研究细胞膜的结构功能的重要策略,也是未来膜靶向药物智能化设计的核心技术。建立独立自主的药物智能研发平台,符合建设创新型国家的需求以及十四五规划中建设生物医药产业创新高地的目标。

最近,利用AI计算蛋白质折叠有了新的突破。枚举每一种蛋白质可能存在的结构,花费的时间甚至比宇宙的年龄还要长。在强大的算法与算力的支持下,DeepMind将运算时间从数月缩短至了数小时。AI为生物学带来了极致的效率革命,这对于人类攻克癌症等疑难杂症有着划时代的意义,使得行业看到了新技术带来产业革命的机会,这将大大加速药物发现品类和速度。

2020年,使用云平台的GROMACS软件,利用240个CPU计算核心,计算时长超过40天,产生大约28TB的数据,首次阐明了鲍曼不动杆菌多粘菌素依赖性耐药的分子机制,该项研究以封面论文发表于权威期刊Advanced Science (IF:16.803);在此基础上,2021年,利用4个GPU计算节点,120颗CPU计算核心,利用丙氨酸扫描分子模拟技术,全面分析了多粘菌素的结构-活性关系,产生了大约14TB的数据,建立了首个原子级的多粘菌素-细菌外膜互作机制模型,为新一代抗超级细菌药物的开发提供了一个高通量、智能化的设计和筛选平台。

数字孪生将根据患者的状态将当前的治疗选择转变为明天患者的优化状态它将成为 P4 医疗模式的关键部分——predictive(预见性)、personalized(个性化),preventive(注重预防)和participatory(主动参与)。

智能驾驶仿真技术

早期的仿真测试主要建立在动力学仿真基础上,对车辆开发过程中的整车动力、操纵稳定性,制动等进行仿真测试参数优化。随着辅助驾驶与自动驾驶功能的不断发展,在仿真测试中,也逐渐提供具有简单道路环境、可编辑的环境车辆、行人等,和简单传感器模型的仿真测试。这类仿真测试,在测试整车性能基础上,增加了对驾驶自动化功能的相应测试。如今,面向高等级驾驶自动化功能的仿真测试,已具备相对复杂的系统架构。在回放真实测试场景之外,可以提供更接近真实动态交通的模拟环境,以及多样的驾驶事件或场景。同时,也有自动驾驶公司开始使用云服务来进行大规模高并发的仿真测试 ,能达到百万级车辆同时进行仿真测试的效果。

仿真测试技术的发展已经达到了使用高精度的自动驾驶地图、回放真实自动驾驶路测数据,并使用游戏引擎进行高保真的仿真测试阶段。在此背景下,仿真测试技术在驾驶自动化功能开发过程中的重要性和实车测试的互补优势更加凸显。这主要体现在以下两个方面:

使用仿真测试平台,可以模拟真实世界中出现概率极低的危险场景,从而可以使自动驾驶系统 在更加丰富和复杂的场景中进行高频度的有效测试验证,在保障安全高效的前提下实现更充分的测试验证效果,提高自动驾驶功能开发和测 评的可靠性。

使用仿真测试平台对实车测试 数据进行复现和泛化,不仅能够更加有效和深入地分析 实车测试 过程中的问题,进行针对性优化,而且可以更加精准地约束测试条件,提升测试效率,缩短功能开发和测试周期。

剑识

作为数字转型中重要的一环,工业元宇宙备受业界关注。数字孪生在核工业、航天、医疗、汽车、城市大脑等领域有极大的发展空间。其技术体系不断发展,核心技术快速演进,产业生态持续完备,行业应用走深向实成为数字经济中坚力量。

第一时间获取面向IT决策者的独家深度资讯,敬请关注IT经理网微信号:ctociocom

   

除非注明,本站文章均为原创或编译,未经许可严禁转载。

相关文章:


关于作者

笔名:元点,通证学奠基者、区块链布道者,bCamp链科技创始人,云计算联盟链创新中心专家,《通证学》作者,《国际融资》特约撰稿人。传统企业数字化转型意见领袖,专注:云计算、无人驾驶、高精地图、通证、区块链、金融科技领域。

X