Digital Twin 首篇论文发表

Taylor & Francis旗下英文国际期刊 Digital Twin（数字孪生）（ISSN：2752 – 5783；https://digitaltwin1.org/ ）的首批四篇文章（包括创刊号编者按）于2021年9月23日正式上线发表。这四篇文章分别由来自7个不同国家的作者联合或独立完成。

Digital Twin是2021年7月28日上线接受投稿的全球首个专注于数字孪生领域的国际期刊，主要发表与数字孪生研究有关的高质量原创科研论文、综述、案例、软件工具、数据注释、简报及评论等。Digital Twin 采取开放获取的形式发表研究成果，论文投稿达到期刊要求之后，将在14个工作日内完成首轮评审，评审通过后即分配DOI号上线发表。之后期刊提供公开透明的同行评审流程，并完全实施FAIR数据开放分享政策，以确保读者对研究结果的源数据进行便捷访问和再利用。

今天，Digital Twin国际专家委员会为您推荐Digital Twin国际期刊发表的如下四篇数字孪生领域的高质量研究成果，包括一篇编者按和三篇高质量研究论文。

Inaugural Editorial – Digital Twin 

作者：Fei Tao1, Qinglin Qi1, 2, Ang Liu3

DOI：https://doi.org/10.12688/digitaltwin.17471.1

作者单位：

1School of Automation Science and Electrical Engineering, Beihang University, Beijing, 100083, China

2Department of Industrial and Systems Engineering, Hong Kong Polytechnic University, Hong Kong, 999077, China

3School of Mechanical and Manufacturing Engineering, University of New South Wales, Sydney, 2053, Australia

文章简介：

Professor Fei Tao from Beihang University initiated Digital Twin (ISSN 2752-5783), the first open research publishing platform dedicated to digital twin technologies and applications. It is published by F1000, part of the Taylor & Francis Group and sponsored by Beihang University. Digital Twin has been set up to accommodate the outputs of scientific research and engineering applications that are related to digital twin.

为适应与数字孪生相关的科学研究和工程应用的发展，Digital Twin（数字孪生）期刊（ISSN：2752-5783）应运而生。它由北京航空航天大学陶飞教授发起创办，是全球首个致力于数字孪生技术和应用的开放研究国际期刊。该刊由Taylor & Francis出版集团和其旗下开放研究出版品牌F1000共同出版，由北京航空航天大学主办。  

Digital twin data: methods and key technologies

数字孪生数据：方法和关键技术 

作者：Meng Zhang1, Fei Tao2, Biqing Huang1, Ang Liu3, Lihui Wang4, Nabil Anwer5, A. Y. C. Nee6

DOI：https://doi.org/10.12688/digitaltwin.17467.1

作者单位：

1Department of Automation, Tsinghua University, Beijing, 100084, China

2School of Automation Science and Electrical Engineering, Beihang University, Beijing, 100191, China

3School of Mechanical and Manufacturing Engineering, University of New South Wales, Sydney, NSW, 2052, Australia

4Department of Production Engineering, KTH Royal Institute of Technology, Stockholm, SE-10044, Sweden

5Automated Production Research Laboratory, Paris-Saclay University, ENS Paris-Saclay, LURPA, 91190, Gif-sur-Yvette, France

6Department of Mechanical Engineering, National University of Singapore, Singapore, 117576, Singapore

文章简介：

数字孪生作为践行数字化转型和智能化升级的关键使能技术，以及传统行业与数字经济融合发展的驱动助力，近年受到国内外学术界与工业界的高度关注和研究实践。数据是数字孪生的核心要素之一，是实现数字孪生模型构建、实体与模型连接交互、智能服务运行优化等的重要基石。当前，随着相关理论技术与应用的不断拓展与升级，数字孪生对数据提出了一系列新要求。在此背景下，本文首先对全面获取、深度挖掘、充分融合、实时联动、迭代优化、通用普适及按需使用的数据新需求进行了分析，接着基于作者团队前期提出的数字孪生数据（DigitalTwinData,DTD）概念，探索建立了一套面向数字孪生理论发展与实际应用的数字孪生数据构建与处理准则，在相关准则指导下进一步研究了数字孪生数据“获取-存储-交互-关联-融合-演化-服务化”理论方法，并建立了一套数字孪生数据关键技术体系。期望相关工作能为数字孪生数据理论研究与应用实践提供参考。

Artificial cognitive systems: the next generation of the digital twin. An opinion.

人工认知系统：下一代数字孪生

作者：David Jones

DOI：https://doi.org/10.12688/digitaltwin.17440.1

作者单位：

Department of Mechanical Engineering, University of Bristol, Bristol, BS8 1TR, UK

文章简介：

依赖现有机器学习方法可能无法提供工业4.0所需的高水平认知能力，如适应性、因果关系和规划能力。数字孪生通常被认为是工业4.0所需的解决方案，随着人们开始理解机器学习的局限性，强人工智能的范式正在出现。人工认知系统领域是强大人工智能范式的一部分，旨在生成能够模仿生物系统学习和与世界互动的计算系统。本文认为，人工认知系统为工业4.0更高层次的认知挑战提供了解决方案，数字孪生研究也应相应地朝着人工认知的方向发展。此观点基于数字孪生和人工认知系统之间的内在相似性，以及既有的从两种方法结合而来的观念。 

Digital twins and their use in future power systems

数字孪生及其在未来电力系统中的应用 

作者：

Peter Palensky, Milos Cvetkovic, Digvijay Gusain, Arun Joseph

DOI：https://doi.org/10.12688/digitaltwin.17435.1

作者单位：

Electric Sustainable Energy, TU Delft, Delft, 2628CD, The Netherlands

文章简介：

电力部门较晚开始采用数字孪生技术和模型。文章首先回顾了数字孪生的历史、基本属性和变体，以及它们如何与电力系统相关。其次阐述了数字孪生概念在电力和能源业务中的首次应用。研究表明，跨学科、不同时间尺度和所需模型的异质性是这一应用过程的主要挑战，联合仿真和建模可以帮助解决这一问题。本文将帮助电力系统专业人员了解数字孪生领域，并学习如何在业务中使用该技术。 

Digital Twin 期刊覆盖航空航天、智能制造、工业工程、智慧城市、建筑、医疗、机器人、船舶、车辆、轨道交通、农业、矿产、电力、能源、环境及标准体系等各个领域，致力于为研究人员、相关从业人员和专家交流学术思想和分享研究成果提供多学科的开放获取的平台，以促进数字孪生领域先进的基础性、科学性和应用型的研究成果的发表。我们期待与数字孪生密切相关的研究人员踊跃投稿！