Цифровой двойникФизическая модель давления крови не прошла строгий стресс-тестBioengineer.org · 3 днЦифровой двойникПрогноз рынка систем цифровых двойников для эксплуатации дата-центровopenPR.com · 3 днЦифровой двойникAVEVA покажет промышленный ИИ и цифровые двойники на ADIPEC 2026Gulf Daily News (Bahrain) · 4 днЦифровой двойникSchneider Electric and partners test AI factory digital twin in SinesData Centre Solutions · 4 днЦифровой двойникMIRAGE: A GPU-Accelerated IQ-Level Channel Emulator for Real-Time Wireless Digital TwinsarXiv API — полнотекстовый поиск "digital twin" · 4 днМоделированиеОт языка к действию: как устроены агентные ИИ‑системыХабр · 4 днЦифровой двойникAI-Driven Digital Twin Framework for Warehouse Logistics Automation OptimizationarXiv API — полнотекстовый поиск "digital twin" · 4 днПрогнозированиеPhase-Coordinated Model Predictive Control for AI Training Power SmoothingarXiv — Systems and Control (eess.SY) · 4 днПрогнозированиеA model predictive control framework with robust stability guarantees under unbounded disturbancesarXiv — Systems and Control (eess.SY) · 4 днЦифровой двойникSchneider Electric тестирует цифровой двойник дата-центра в ПортугалииInvesting.com · 5 днЦифровой двойникDigital Twin-Guided Wireless Localization via Probabilistic Inverse LearningarXiv API — полнотекстовый поиск "digital twin" · 5 днЦифровой двойникAn Incremental Knowledge-Graph Learner Digital Twin for Evidence-Grounded Early WarningarXiv API — полнотекстовый поиск "digital twin" · 5 дн
Стартап «Цаньчэнь» привлек десятки миллионов юаней на развитие AI-платформы для симуляции виртуальных органов
Китай ·
Компания «Цаньчэнь» завершила серию ангельских раундов на сумму в десятки миллионов юаней. Средства пойдут на развитие платформы AI-симуляции виртуальных органов, которая может использоваться для клинических исследований и оптимизации медицинских процессов.
Почему это важно
Симуляция сложных биологических систем методологически близка к моделированию крупных технических систем и расширяет применимость цифровых двойников.
LLM умеет рассуждать и генерировать ответы, но что делать, если системе нужно самостоятельно выполнять задачи, взаимодействовать с внешними сервисами и проверять результаты своих действий? Здесь начинается территория ИИ‑агентов, где появляются новые архитектурные решения и сложности.
arXiv:2610.32988v1 Announce Type: new Abstract: Social media bots are often portrayed as malicious automations to be detected and removed, but automation on social media platforms encompasses a wide spectrum of roles, behaviors, and rhetorical strategies that can shape online discourse in both…
Предложен метод DF-NPE: обученные сводки временных рядов и два условных нормализующих потока — для генерации синтетических обучающих пар и для оценки апостериорного распределения. Подход дополняет прямые симуляции синтетикой и поддерживает объединённую и упорядоченную стратегии обучения. На двух конфигурациях модели ценообразования активов Брока—Хоммса прямых симуляций стало на 90% меньше при меньшем расхождении апостериорных оценок и меньшем времени работы.