2022年,阿根廷的门多萨决定使用城市级的数字孪生来绘制绿色基础设施及树木地图,提高城市空气质量和气候适应能力。GenMap快速识别了100万棵树,创建了门多萨绿色基础设施的数字孪生。他们使用Bentley Systems的移动扫描技术对每棵树及其周围道路和人行道进行数字化、建立地理参考资料并获得每一棵树木的尺寸。
Bentley Systems可持续发展推进总监Rodrigo Fernandes表示,这可以对每棵树的健康状况进行有效管理。
Fernandes在一份电子邮件声明中表示:“建筑环境和自然环境相互联系。”“现代基础设施系统高度相互依存,它们处在一个共同的环境之中。”
Fernandes表示:“有效应对一些最重要的可持续性和弹性挑战,例如脱碳、气候风险、能源转型以及土地和水资源,需要高保真的基础设施数字孪生,其中包括建筑资产及其与自然环境和生态系统的物理和地理相互依存关系。”
“数字孪生解决方案对周围的环境和生态系统(包括野生动物)产生了积极的影响,或者至少减少了影响。”“它们可以加速应用循环原则(通过设计减少水、废弃物和材料消耗)并提供更好的工具来提高气候弹性和适应性。”
微软英国首席可持续发展官Musidora Jorgensen表示,“数字孪生可用来创建自然环境的虚拟副本,以了解风电场等特定项目和工程对当地生态系统的影响。”
Jorgensen在一封邮件中指出:“这些模型在周围使用各种传感器和摄像头,有时候会同时在海面以上和海面以下部署这些设备。”“然后可以研究由此产生的数字模型,帮助简化其现实生活中的物理对应物,同时提高我们对生态、环境和基础设施世界如何相互作用的理解。”
2023年1月,微软同SSE Renewables和Avanade合作,为苏格兰沿海水域及其当地环境中的海上风电场创建了一个概念验证 Azure 数字孪生。
Jorgensen称,他希望这能鼓励该行业开发对生态系统产生积极影响的可再生能源解决方案。
“目前,能源公司依靠手动方式收集关于风电场如何影响当地环境的数据。”“利用技术将这个过程自动化,让我们可以了解新的风力发电机建造之前、期间和之后的全面影响,从检测水生生物到珊瑚礁的变化以及气流和鸟类的生活。”
Azure物联网技术使环保主义者和研究人员更容易收集实时数据并监控当地野生生物——从跟踪植被模式的变化到动物种群。
“除了监测之外,这种技术还可以用来构建预测模型,模拟新开发对环境的潜在影响。”“这些模拟对环保主义者至关重要,可以帮助他们在这些项目实际建设开始之前预测环境变化对野生生物种群和生态系统的影响。”
Jorgensen认为:“随着世界迈向更可持续的未来,组织和企业理解并衡量其环境举措对当地生态系统的影响至关重要。”“数据孪生与物联网技术相结合,可以帮助捕捉大量数据,这些数据可以帮助引导项目在施工开始之前就拥抱可持续性。”
数字孪生对生态系统的影响
海上风电场项目详细介绍了数字孪生能够如何改变我们研究和理解的方式,更好地理解开发对当地生态系统的影响。
Jorgensen称:“该项目将使用雷达、激光雷达、运动传感器、卫星和无人机等设备来构建风电场区域准确的实时视图。”“由此产生的模型将用于研究其对野生生物整个生命周期的影响,确保可持续性成为任何行动的核心。”
通过部署数字孪生模型,SSE Renewables可以获得准确的预测数据,以便在实施之前评估其战略。例如,他们可以在虚拟模型中在海底建造人工礁石,尝试预测其影响。
“如果鱼类在这些礁石上定居,他们就可以在现实世界中执行这个策略。”“这最终将有助于SSE Renewables实时了解一个开发项目会如何影响一个地区,并在风电场的整个生命周期内监控生态系统,以最大限度地减少施工前、施工期间和施工后的任何潜在负面影响。”
Jacobson补充道,“在另一种情况下,只要风电场开始投入运行,就会采用传感器影响风电场的工作方式,如果传感器识别出一群鸟朝着其中一台风力发电机飞去,就可以停止该发电机运转直到鸟类通过,以此保护鸟类的迁徙路径。”
“最终,我们设想这些模型将有助于改善和简化风电场等项目的审批流程,有助于我们在保护自然环境的同时进一步向绿色能源过渡。”
好文章,需要你的鼓励
在Cloudera的“价值观”中,企业智能化的根基可以被概括为两个字:“源”与“治”——让数据有源,智能可治。
苏州大学研究团队提出"语境降噪训练"新方法,通过"综合梯度分数"识别长文本中的关键信息,在训练时强化重要内容、抑制干扰噪音。该技术让80亿参数的开源模型在长文本任务上达到GPT-4o水平,训练效率比传统方法高出40多倍。研究解决了AI处理长文档时容易被无关信息干扰的核心问题,为文档分析、法律研究等应用提供重要突破。
微软正式确认配置管理器将转为年度发布模式,并将Intune作为主要创新重点。该变化将于2026年秋季生效,在此之前还有几个版本发布。微软表示此举是为了与Windows客户端安全和稳定性节奏保持一致,优先确保安全可靠的用户体验。配置管理器将专注于安全性、稳定性和长期支持,而所有新功能创新都将在云端的Intune中进行。
清华大学团队首次揭示了困扰AI训练领域超过两年的"幽灵故障"根本原因:Flash Attention在BF16精度下训练时会因数字舍入偏差与低秩矩阵结构的交互作用导致训练崩溃。研究团队通过深入分析发现问题源于注意力权重为1时的系统性舍入误差累积,并提出了动态最大值调整的解决方案,成功稳定了训练过程。这项研究不仅解决了实际工程问题,更为分析类似数值稳定性挑战提供了重要方法论。