Buchumschlag

Physics-based Digital Twins for Integrated Thermal Energy Systems Using Active Learning

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Nabila, Umme Mahbuba, Seurin, Paul, Lin, Linyu, Radaideh, Majdi I.
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Machine Learning Systems and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Variational Digital Twins
von: Burnett, Logan A., et al.
Veröffentlicht: (2025)

Nuclear Microreactor Control with Deep Reinforcement Learning
von: Tunkle, Leo, et al.
Veröffentlicht: (2025)

Adaptive Control for a Physics-Informed Model of a Thermal Energy Distribution System: Qualitative Analysis
von: Seurin, Paul, et al.
Veröffentlicht: (2025)

Multistep Criticality Search and Power Shaping in Microreactors with Reinforcement Learning
von: Radaideh, Majdi I., et al.
Veröffentlicht: (2024)

MAEO: Multiobjective Animorphic Ensemble Optimization for Scalable Large-scale Engineering Applications
von: Erdem, Omer F., et al.
Veröffentlicht: (2026)

Physics-Embedded Neural ODEs for Sim2Real Edge Digital Twins of Hybrid Power Electronics Systems
von: Zheng, Jialin, et al.
Veröffentlicht: (2025)

Generative Flow Networks for Model Adaptation in Digital Twins of Natural Systems
von: Archambault, Pascal, et al.
Veröffentlicht: (2026)

Enhancing Cyber-Resilience in Integrated Energy System Scheduling with Demand Response Using Deep Reinforcement Learning
von: Li, Yang, et al.
Veröffentlicht: (2023)

A Digital Twin for Diesel Engines: Operator-infused Physics-Informed Neural Networks with Transfer Learning for Engine Health Monitoring
von: Nath, Kamaljyoti, et al.
Veröffentlicht: (2024)

Integration of Multi-Mode Preference into Home Energy Management System Using Deep Reinforcement Learning
von: Sumayli, Mohammed, et al.
Veröffentlicht: (2025)

Multifidelity Surrogate Modeling of Depressurized Loss of Forced Cooling in High-temperature Gas Reactors
von: Eaheart, Meredith, et al.
Veröffentlicht: (2026)

Industrial Energy Disaggregation with Digital Twin-generated Dataset and Efficient Data Augmentation
von: Internò, Christian, et al.
Veröffentlicht: (2025)

An LLM-Based Digital Twin for Optimizing Human-in-the Loop Systems
von: Yang, Hanqing, et al.
Veröffentlicht: (2024)

Constructing and Evaluating Digital Twins: An Intelligent Framework for DT Development
von: Ma, Longfei, et al.
Veröffentlicht: (2024)

Control of Medical Digital Twins with Artificial Neural Networks
von: Böttcher, Lucas, et al.
Veröffentlicht: (2024)

An IoT Framework for Building Energy Optimization Using Machine Learning-based MPC
von: Morteza, Aryan, et al.
Veröffentlicht: (2024)

Sparse Attention-driven Quality Prediction for Production Process Optimization in Digital Twins
von: Yin, Yanlei, et al.
Veröffentlicht: (2024)

In-Context System Identification for Nonlinear Dynamics Using Large Language Models
von: Lin, Linyu
Veröffentlicht: (2026)

Active Learning for Control-Oriented Identification of Nonlinear Systems
von: Lee, Bruce D., et al.
Veröffentlicht: (2024)

Large Vision Model-Enhanced Digital Twin with Deep Reinforcement Learning for User Association and Load Balancing in Dynamic Wireless Networks
von: Tao, Zhenyu, et al.
Veröffentlicht: (2024)

Real-Time AI-Driven Milling Digital Twin Towards Extreme Low-Latency
von: Liu, Wenyi, et al.
Veröffentlicht: (2025)

RL-ADN: A High-Performance Deep Reinforcement Learning Environment for Optimal Energy Storage Systems Dispatch in Active Distribution Networks
von: Hou, Shengren, et al.
Veröffentlicht: (2024)

Digital Twin-based Out-of-Distribution Detection in Autonomous Vessels
von: Isaku, Erblin, et al.
Veröffentlicht: (2025)

Accounting for Optimal Control in the Sizing of Isolated Hybrid Renewable Energy Systems Using Imitation Learning
von: Halvdansson, Simon, et al.
Veröffentlicht: (2026)

RE-LLM: Integrating Large Language Models into Renewable Energy Systems
von: Forootani, Ali, et al.
Veröffentlicht: (2025)

Active Learning of Dynamics Using Prior Domain Knowledge in the Sampling Process
von: Miller, Kevin S., et al.
Veröffentlicht: (2024)

Explainable Reinforcement Learning-based Home Energy Management Systems using Differentiable Decision Trees
von: Gokhale, Gargya, et al.
Veröffentlicht: (2024)

Digital Twin Assisted Deep Reinforcement Learning for Online Admission Control in Sliced Network
von: Tao, Zhenyu, et al.
Veröffentlicht: (2023)

Active Alignments of Lens Systems with Reinforcement Learning
von: Burkhardt, Matthias, et al.
Veröffentlicht: (2025)

DDD-GenDT: Dynamic Data-driven Generative Digital Twin Framework
von: Lin, Yu-Zheng, et al.
Veröffentlicht: (2024)

Equation-Free Digital Twins for Nonlinear Structural Dynamics
von: Abaei, Mohammad Mahdi, et al.
Veröffentlicht: (2026)

Empowering Cognitive Digital Twins with Generative Foundation Models: Developing a Low-Carbon Integrated Freight Transportation System
von: Li, Xueping, et al.
Veröffentlicht: (2024)

Review on Fault Diagnosis and Fault-Tolerant Control Scheme for Robotic Manipulators: Recent Advances in AI, Machine Learning, and Digital Twin
von: Quamar, Md Muzakkir, et al.
Veröffentlicht: (2024)

High Effort, Low Gain: Fundamental Limits of Active Learning for Linear Dynamical Systems
von: Chatzikiriakos, Nicolas, et al.
Veröffentlicht: (2025)

Combining Physics-based and Data-driven Modeling for Building Energy Systems
von: Von Krannichfeldt, Leandro, et al.
Veröffentlicht: (2024)

Integrating Personalized Federated Learning with Control Systems for Enhanced Performance
von: Smith, Alice, et al.
Veröffentlicht: (2025)

Structural Constraints for Physics-augmented Learning
von: Kuang, Simon, et al.
Veröffentlicht: (2024)

Image-based Deep Learning for Smart Digital Twins: a Review
von: Islam, Md Ruman, et al.
Veröffentlicht: (2024)

ANALYSE -- Learning to Attack Cyber-Physical Energy Systems With Intelligent Agents
von: Wolgast, Thomas, et al.
Veröffentlicht: (2023)

Optimal Centered Active Excitation in Linear System Identification
von: Ito, Kaito, et al.
Veröffentlicht: (2026)