ПрогнозированиеWhen quantum meets AI: NUS brings together international experts to turn frontier technologies into real-world solutionsNational University of Singapore — News · 4 чМоделированиеHigher-Order Approximation of Exit Functionals in Sampling-Based Stochastic Model Predictive ControlarXiv — Systems and Control (eess.SY) · вчераЦифровой двойникФизически информированное прогнозирование атмосферной температуры для климатических цифровых двойниковarXiv API — полнотекстовый поиск "digital twin" · вчераМоделированиеРоссийские компании могут оценить готовность собственной инфраструктуры к агентной разработкеCNews · 21 чМоделированиеGigaCode Desktop — мультиагентное приложение Сбербанка для управления жизненным циклом разработки продуктов — стало доступно бизнесуCNews · 21 чМоделированиеАгентный AI и мобильный гейминг нового уровня: Qualcomm представила флагманские 2-нм чипсеты Snapdragon 8 Elite Extreme Gen 6 и 8 Elite Gen 6Gagadget · 22 чПрогнозированиеКоллективное трубное MPC с безусловными совместными сертификатами безопасностиarXiv — Systems and Control (eess.SY) · вчераПрогнозированиеСэмплирующий MPC с доверительными областями вместо ручной настройки гиперпараметровarXiv — Systems and Control (eess.SY) · вчераПрогнозированиеЛинейно масштабируемый нелинейный MPC с адаптивным горизонтомarXiv — Systems and Control (eess.SY) · вчераМоделированиеPhysics-Informed Neural Network Surrogates with Polynomial Chaos-Based Uncertainty Propagation for Stochastic Model Predictive ControlarXiv — Systems and Control (eess.SY) · 2 днМоделированиеEnergy-based Regularization for Learning Residual Dynamics in Neural MPC for Omnidirectional Aerial RobotsarXiv — Systems and Control (eess.SY) · 2 днМоделированиеSocioVerse2: A Longitudinal Dynamic Social Simulation Framework under a Human-AI Co-evolutionary ParadigmarXiv — Computers and Society (cs.CY) · 2 дн
Физически информированное прогнозирование атмосферной температуры для климатических цифровых двойников
США и Запад ·
Исследование оценивает физически информированную нейросеть для краткосрочного прогноза потенциальной температуры при неполных термических наблюдениях, используя уравнение адвекции-источника в координатах давления и замыкание диабатического источника, зафиксированное по предыдущим 12 часам. Валидация выполнена на почасовых данных реанализа ERA5 на трех уровнях давления для горизонтов один, два и три часа в сравнении с персистентностью, локальным трендом и двумя нейросетевыми базовыми моделями.
Почему это важно
Подход показывает, как физические ограничения дополняют данные в краткосрочных прогнозах, что значимо для климатических цифровых двойников городов и регионов.
Предложен подход collective tube MPC, в котором калибруемым объектом неопределенности служит вся траектория ошибки прогноза на конечном горизонте, а не отдельные события с объединением оценок. Траекторная трубка калибруется офлайн, ее сечения задают онлайн-сужения по Понтрягину, а сертифицируемым событием нарушения является выход новой траектории ошибки за пределы трубки.
Для алгоритмов сэмплирующего модельно-предиктивного управления, таких как MPPI, предложена формулировка с доверительной областью, ограничивающей обновление распределения-предложения через границу KL-дивергенции и, опционально, нижнюю границу энтропии. Это заменяет эвристическую адаптацию температуры и импульса значениями, оптимальными относительно лагранжиана.
Представлен регулятор observed control, использующий дуальность между оцениванием состояния и модельно-предиктивным управлением для вычисления управляющих воздействий с линейной зависимостью от длины горизонта прогноза. Алгоритмы обеспечивают адаптивную длину горизонта и ранние критерии остановки оптимизации, а в качестве бэкенда применяются сглаживатели Калмана. Отдельная формулировка разделяет линейный MPC на реактивную и упреждающую компоненты.