デジタルツインズ: 未来を予測する新たなアプローチ
Karen WillcoxのTEDトークでは、未来を予測するための新たなアプローチとしてデジタルツインズに焦点を当てています。デジタルツインズは、現実の物体やプロセスをデジタルで再現し、それを使って未来の振る舞いを予測する技術です。これは未来の科学、製品設計、プロセス最適化に革命をもたらす可能性があります。
デジタルツインズの原理
Willcoxは、デジタルツインズの基本的な原理について説明します。物体やプロセスのデジタルモデルを作成し、リアルタイムデータと組み合わせることで、その物体やプロセスの振る舞いをリアルタイムで追跡し、予測することができます。この原理は、エンジニアリング、医療、気象予報などさまざまな分野で応用されています。
医療分野への適用
デジタルツインズは、医療分野でも革命をもたらしています。Willcoxは、患者の個別のデジタルツインを作成し、病状や治療の効果を予測することで、より効果的な治療を提供できる可能性を探求しています。これにより、治療のカスタマイズが進み、患者の生活の質が向上する見込みです。
未来を予測し、問題を解決する
Karen WillcoxのTEDトークは、デジタルツインズの未来を明るく示しています。この技術は、未来の予測と問題解決において画期的な道を切り拓く可能性があり、エンジニア、科学者、医療従事者など、さまざまな分野の専門家によって活用されています。デジタルツインズの力に注目し、未来をより予測可能にし、問題を効果的に解決するための新たな道を探求しましょう。
「デジタルツイン」は未来の予測にどのように役立つのか さて、それでは簡単な質問から始めましょう。 Fitbit、Apple Watch 、またはその他の種類の健康追跡デバイスを着用している人は何人いますか? 今日ここにスマートフォンを持っている人は何人いますか? 皆さんのうち何人がそうしていないのかを言うべきかもしれません。
私たちの多くがこれらの驚異的な技術をポケットや身に 着けているという事実は、 過去 10 年間に コンピューティング分野で起こっている革命の確かな兆候です。 そして、その革命の要素について 少し一緒に考えてもらいたいのです。
まずはデータです。 これらのデバイスは、私たちの健康、動き、 習慣などに関するデータを収集しています。 そして本当に重要なことは 、それらのデータは一般的な人口データではなく、私たち 個人に合わせて パーソナライズされたデータであるということです。
2 番目に、同様に重要ですが、モデルです。 これらのデバイスの内部には、非常に強力な 数学的および統計的モデルが組み込まれています。 これらのモデルの中には、完全にデータから学習されたものもあります。おそらく 、私が走っているのか、歩いているのか、自転車に乗っているのか、寝ているのかを 分類することを学習した機械学習モデルです。 これらのモデルの一部は、心機能や概日リズムを表す 方程式を記述する生理学的モデルなど、物理学に基づいています 。
ここで、本当に興味深いのは、 データとモデルを組み合わせ始めるときです。 数学的には、これはデータ同化として知られています。 つまり、データとモデルがあります。 データ同化では、システムから新しいデータが収集されると、 モデルの更新が開始されます。 そして、この更新は一度だけ行うのではなく、継続的に行います。 したがって、システムが変化し、 私が年をとって概日リズム や心機能が以前とは異なるにつれて、 新しいデータが収集され、モデルが進化して 私に従っています。
さて、データの同化は非常に重要です。 なぜなら、データの同化がモデルを私に合わせてカスタマイズするものであり、 それが 4 番目の要素である予測の要素 につながるからです。 これらのパーソナライズされたモデルを手に入れたので、 個人としての私に合わせた 予測や推奨事項を取得できるようになり 、生涯にわたって動的に進化する私の状態に合わせて調整できるため、 非常に強力です。
つまり...私が説明していること、 つまりデータとモデルの連携については、小売、エンターテインメント 、ウェルネスにおける個人的な選択を長年にわたって 推進してきたため、 おそらく皆さんにはよく知られているでしょう。 しかし、あまり知られていないかもしれませんが 、同様の革命がエンジニアリング システムでも起こっているということです 。
エンジニアリング システムでも、状況はほぼ同じです。 私たちはデータを持っており、センサーがより小さく、より軽く、より安く、より強力になるにつれて、データの量は増加しています 。 エンジニアリングにもモデルがあります。 私たちのモデルは通常、物理学に基づいています。 これらのモデルは、自然界の支配法則を表しています。 これらは、エンジニアリング システムがどのように反応するかを 予測できる強力なモデルです。
このスライドの上にあるのは、私が研究グループで所有し、 多くの研究に使用している 無人航空機の写真です。 そして、この航空機には、 さまざまな条件下で 航空機の構造がどのように反応するかを予測できる 強力な有限要素モデルがあります。 したがって、これらのモデルを使用すると、 「このように設計した場合 、航空機の構造は離陸時にしっかりと保持されるでしょうか?」といった質問に答えることができます。 あるいは、航空機の翼が損傷したにもかかわらず 、無理な飛行を続けた場合はどうなるでしょうか? 飛行機はしっかりくっつくでしょうか？
また、Fitbit とスマートフォンの例と同様に、 データとモデルを組み合わせて 、エンジニアリング システムのパーソナライズされたモデル、 航空機のパーソナライズされたモデルを構築できます。 そして私たちはこのパーソナライズされたモデルをデジタルツインと呼んでいます。
では、デジタルツインとは何でしょうか? これは、パーソナライズされ、 動的に進化する物理システムのモデルです。 そして、私の航空機のデジタルツインについて考えていただきたいのです。 そのため、デジタル ツインを作成する際には、 航空機に搭載されたセンサーからデータを収集することになります。 航空機の 検査からデータを収集し、 そのデータをモデルに反映させます。 そして本当に重要なことは、 私は単なる古いテレマスター航空機の汎用モデルを構築しているわけではないということです。 私は 現在、 南オースティンの道路を下ったところにある自宅のガレージに置かれているまさにその航空機の個人的なモデルを構築しています。
そして、そのデジタルツインは、 私の航空機、つまり隣の航空機との違い、変動性を捕捉します。 さらに、そのデジタル ツインは静的ではありません。 私の航空機が経年劣化し、損傷し、修理される につれて変化します。 私たちは常にデータを吸収し 、デジタルツインは航空機の生涯にわたって追跡します。
したがって、これは信じられないほど強力です。 今、あなたが航空会社であること 、あるいは数年後には 無人貨物配送ドローン群のオペレーターであることを想像してください。そして、 すべての車両に このようなデジタル ツインが存在することを想像してください。 あなたの艦隊。 そしてそれがあなたの意思決定に何を意味するかを考えてください。 航空機の特定の進化状態に応じて 、航空機をいつメンテナンスするかを決定できます。 航空機の状態、ミッションのニーズ、 環境条件を考慮して 、その日に 航空機を最適に飛行させる方法について決定を下すことができます。 これにより、航空機のフリートを最適に管理できるようになります。
したがって、このデジタルツインのアイデアは非常に優れています。 「デジタルツイン」という用語は、2010 年に NASA の報告書で作られました。 しかし、モデルとデータを組み合わせたパーソナライズされたモデルというアイデアは 、はるかに古いものです。 そして多くの人が、アポロ計画が デジタルツインが最初に実践された 場所の一つであると指摘しています。
そのため、60 年代から 70 年代のアポロ計画では、 NASA はアポロ宇宙船を宇宙に打ち上げ、 ミッションを追跡するために ヒューストンの地上に仮想モデルである シミュレーターも配備しました。 そして今、これは非常に重要になり 、アポロ 13 号のミッションで非常に役立ちました。 もう一度言いますが、おそらく皆さんは映画を見たことがあるので、そのストーリーを知っているでしょう。 アポロ 13 号のミッション中、宇宙船は故障に見舞われました。 とてもひどい損傷を受けていました。 それは宇宙に取り残されてしまいました。 そして、NASA が実際の航空機、宇宙に閉じ込められた物理的な双子 からデータを取得し、 それをシミュレーターと仮想モデルにフィードすることができたという話になります。 ヒューストンの地上で データ同化を行い、 損傷した宇宙船の状態を表すように シミュレーターを動的に進化させ 、そのシミュレーターを使用して予測を実行し、最終的に 宇宙飛行士を安全に帰還させるための 決定を導きます。
50 年以上経った今、このアイデアは デジタル ツインという 非常に素晴らしい名前を付けられています。 そして本当に興味深いのは 、それが単なる航空宇宙工学を超えて進んでいることです。 そのため、私たちの工学的な世界では、構造健全性の監視と予知保全のために 、橋やその他の土木インフラのデジタルツインが見られ始めています 。 エネルギー効率を高めるための建物のデジタル ツインや、効率を高めてダウンタイムを削減するための風力発電所のデジタル ツイン が登場し始めています 。 自然界では、森林、 農場、氷床、沿岸地域、石油貯留層 のデジタルツインを作成することに大きな関心が集まっています。 そして地球のデジタルツインを作ろうとする話さえあります。 そして医療の世界では、 医学的評価、診断、個別化された治療、コンピュータでの薬物検査を支援する デジタルツインの作成に大きな関心が集まっています 。 デジタルツインには、非常に多くのエキサイティングな潜在的なアプリケーションが存在します。
しかし、これらすべてが現実であり、これら すべての複雑なシステムのデジタルツインを今日作成できるなどと考えて 、今日の私の話を終えてほしくないのです。 航空機全体のデジタルツインを作成することはまだ達成できません。 がん患者 や地球のデジタルツインを作成することはまだ達成できません。 これらの非常に複雑なシステムのデジタル ツインを作成することは、 非常に困難です。 そして、なぜそれがそれほど難しいのかを少し考えてみましょう。
したがって、これが非常に難しい理由の 1 つは、これらのシステムが交差する規模にあるためです 。 私の航空機のことを考えてみると、 航空機の翼の材料の 顕微鏡レベルでの損傷は、 スケールを超えて変換され 、車両レベルでの飛行方法に影響を与えます。 医学の世界では、やはり、 私たちの体内の分子または細胞レベルでの 非常に細かいレベルでの変化が、 スケールを超えて変換され、システムレベル、 人間レベルで私たちに影響を与えることを誰もが知っています。 そして、マイクロスケールからシステムレベルに至るまで 、これらすべてのスケールを解決する計算モデルは、 計算では扱いにくいものです。 今日のスーパーコンピューティング能力をもってしても、それらを解決することはできません。
しかし、「それでは、データはどうなるのでしょうか? 大量のデータがあると言いましたが、 データからデジタル ツインを学習することはできないでしょうか?」と言うかもしれません。 そうです、私たちはビッグデータの時代に生きており 、システムには多くのデータが存在します。 しかし、工学、科学、医学における これらの非常に困難で複雑なシステムに関しては、 データだけでは十分であることはほとんどありません。 データはほとんどの場合、空間的にも時間的にも非常にまばらです。 データにはほとんどの場合ノイズが含まれており、間接的なものです。 エンジニアとして、 私が知りたいことを測定することはほとんどできません。 飛行機の翼の内側の構造の健全性を知りたければ、 単に壊して覗いてみるというわけにはいきません。 私は翼の表面にある数個のセンサーに限定され、 それらの測定値を取得して推測しようとします。 推測ではなく、翼の内部で何が起こっているのかを推測しようとしています。 医療でも同様です。 医師は誰かに臓器を診てもらうことはできません。 繰り返しになりますが、何が起こっているのかを推測するには、 外部から得られるまばらでノイズの多い間接的な観察 に限定されます。
それでは、 「 センシング技術はどんどん良くなるから、 数年待てばいいだけだ」と言うかもしれません。 それは本当です。 おそらく、その時には、これらの非常に複雑なシステムの内部で何が起こっているかを実際に特徴づけることができるのに 十分なデータが得られるでしょう 。 しかし、それでも十分ではありません。 なぜなら、私たちに伝えられるのは今何が起こっているかだけだからです。 そして、それ以上のことをしなければならないことを忘れないでください。 異なる行動を取った場合に 将来何が起こるかを予測できなければなりません。 したがって、常にモデルが必要になります。
これは大きな挑戦のように聞こえますが、実際その通りです。 しかし良いニュースは、私たちにはこの課題に対処する大きな希望があるということです。 そして、この希望の大部分は、 予測物理ベースのモデルの概念にかかっています。 これらは、予測を可能に する自然法則をコード化したモデルであり、 がん腫瘍がどのように成長する か、がん腫瘍が放射線療法にどのように反応するかを予測したり、 将来のさまざまな温度シナリオの下で 南極の氷床がどのように流れるかを予測したりできます。 。 そして、これらの予測物理学ベースのモデルを強力な機械学習、 スケーラブルな手法、データ シミュレーション 、最適化、意思決定と 組み合わせて、 ハイ パフォーマンス コンピューティングに関しては、 それが計算科学の学際的な分野の領域であり、 ここオースティン校の オーデン研究所の焦点です。そこでは、 キャンパス全体の 24 の異なる学科 の教員が結集して 、この種の困難な問題に取り組んでいます。
それでは、皆さんの想像力を刺激して締めくくりたいと 思います。皆さんも私と同じように、デジタル ツインのアイデアに興奮していただければ幸いです。 そして、おそらく家に帰るときに周りを見回して、 「ああ、これのデジタルツインがあったらどうなるだろう?」と考えるかもしれません。 しかし、デジタルツインが社会が直面している最大の問題のいくつかに取り組む上で 変化をもたらす可能性がある、 本当にエキサイティングな分野の例をいくつか見てみましょう。 そして、これを読み進めていくと、 ここオースティン校で行われている 本当にエキサイティングな研究の一部もご覧いただけるでしょう。
最初の分野は宇宙システムです。 おそらく皆さんもご存じでしょうが、私たちは新たな宇宙時代の幕開けにいます。 それはとてもエキサイティングなことであり、生徒たちにとってもとても興奮しています。 そしてさらにエキサイティングなことは、テキサス州中部がまさに その新しい時代の真っ只中にあるということです。 したがって、デジタルツインには、宇宙システム、打ち上げロケット、衛星の健全性と運用を管理する役割があることは明らかです 。 ここでご覧のとおり、これは 私がコックレル スクールの同僚である レナート ザネッティ氏とスリニバス ベタドプル氏と一緒に行っている研究の一部です。 デジタルツインは、宇宙物体やスペースデブリの追跡と管理においても大きな役割を果たします 。 そしてここオースティン校では、 当社にはこの分野における世界有数の専門家の一人、 モリバ・ジャーがいます。 モリバは、宇宙領域を認識するためのデジタル ツインを構築しています。
環境と地球科学について考えてみると、 ここでもデジタルツインがそのような役割を果たす可能性があります。 ご覧のこの写真は、オマール・ガッタスによる南極氷床の 高解像度物理ベースのモデルです。このモデル は、あらゆる種類の観測データと組み合わされて、 何が起こっているのかを理解し、 氷を掘削する場所の決定に役立ちます。コア、 どこで観測を行うか、 そして最終的には将来の気候に関する意思決定に情報を提供します。 ここでも、沿岸地域、ここでは湾岸地域 のデジタル ツインを構築する クリント ドーソンの取り組みが見られます。 これも強力な物理モデルとさまざまな種類のデータをすべて組み合わせています。 そしてここでも、重要な意思決定をサポートするために、ハリケーンの 高潮モデリングを さらに正確にすることに焦点を当てています。
そして医療の分野では、 個別化医療の可能性を実現する上でデジタルツイン が大きな役割を果たすこと は明らかだと思います。 ここでは、患者固有のパーソナライズされた心臓ケア に向けた オーデン研究所ウィラーソンセンターのマイケル・サックス氏の取り組みと、 同じくオーデン研究所の トム・ヤンキーロフ氏とデイビッド・ヘルムート氏の 取り組みの一部を紹介し、 デル医科大学と協力しています。がん患者のためのデジタルツインの構築における 生物医学工学の一部でもあります 。
したがって、私が言ったように、これが 可能性について考えるあなたの想像力を刺激するのに役立つことを願っています。 私個人としては、デジタル ツインによってより安全で効率的なエンジニアリング システムが 実現される未来の世界に これ以上興奮することはありません。 これらにより、私たちの周囲の自然界をより深く理解できるようになり、 個人としての私たち全員にとって より良い医療成果が得られるようになりました。
