什么是网络物理系统？为什么今天如此重要？人工智能在其发展中扮演什么角色？
从信息技术系统的物理和数字组件之间的相互作用的角度研究信息技术系统的各种特性是现代网络物理系统科学的一个新的相关领域[1]。
任何网络物理系统的主要组件如下（图1）：
- ( );
- ( , , , .);
- ( , .);
- ( XR ).
.1 , .
, , . , , .. .
, , , : .
(Cyber-physical systems, CPS) — . : CyPhyLab , MIT media lab, , Bosch, Toshiba PTC.
CPS - , , , .. “”. , CPS — , , . , , , CPS (.2).
.2 .
, , 4.0.
Acatech, 4.0, , : , . , , “ ”, . — , , 2011 . .
.3 , .
, CPS, , . — .
- 3- , , , , , . , , . , .
. 4
, .
. 5 .
. [3]. , [4–6]. , , , . , , . , , .
. habr.
. 6 . ( , HighLoad++ 2018).
, , 2- . . — , .
. 7 ( , HighLoad++).
. 8 .
(), . SpaceX Starlink. , .
— . . , , . , - , .
. 9 VR .
TZUP, PHYGITALISM , . ( ), .. . . , , . . .
. 10 .
CPS
图。 11工厂数字孪生中工艺流程仿真的可视化。另一个重要问题是确保CPS的安全性-创建网络物理攻击防护系统已成为信息安全领域的新话题。您可以在下一个注释中熟悉有关此主题的想法。让我们看一个称为PlantSim的实际案例由PHYGITALISM团队实施。该项目的主要目标是在控制炼油厂工艺流程的PLC（可编程逻辑控制器）与工程监控系统（SCADA）之间的通信通道中创建异常检测系统。为了在控制通道中搜索异常，建议使用递归神经网络[7]。
图。 12正在考虑的网络物理系统框图。作为用于训练这样的网络的数据，使用了从工厂的数字两倍获得的合成数据。与基于通信通道控制的逻辑规则的传统解决方案相比，该方法的优势在于人工智能系统可以检测到的各种情况。借助数字化工厂双工，甚至可以考虑反应堆爆炸等罕见但潜在的危险情况。当然，重要的因素是获得新数据以训练系统的速度。人工智能增强了CPS的感觉器官
图13 Google Project传感器。为了获得最佳的CPS功能质量，有必要获取尽可能多的有关此类系统运行所在的环境状态的信息，并尽可能准确地确定其组件中发生的过程。各种传感器和传感器都充当CPS的感觉器官。系统在给定的时间点上更好地“了解”正在发生的事情以及围绕它所发生的事情，其管理可用资源的决策的质量将更好。例如，在上一节的上下文中，在储罐中安装了更灵敏的恒温器，用于运输爆炸性液体（前提是这种恒温器对噪声排放不敏感），一旦发生加热故障，安全系统可以越早检测到危险并加以预防。
图14使用项目程序通过手势控制设备作为一个更重要的示例，考虑使用wi-fi信号控制小工具来识别微妙的人类手势。在这里，人工智能可以帮助改善现有传感器的性能或创建新的传感器。 Google Project Soli传感器清楚地证明了这一点。这里的基本思想并不新鲜：Wi-Fi路由器是电磁波的收发器。穿过太空，电磁波从各种物体反射回来，并返回到设备。如果物体开始移动，则其速度会与电磁波的速度相加或相减，这会导致反射波的频率和长度发生偏移。这种现象称为多普勒效应，我们可以将其用于检测手势，而不仅仅是使用Wi-Fi路由器。但是，并非都那么简单。首先，普通路由器的工作频率约为5GHz。这样的频率对于分类算法的良好分辨率可能是不够的。形式相似，但本质上仍将不同的对象识别为同一对象。通过增加设备的工作频率可以解决此问题（项目soli的工作频率为57-64 GHz）。其次，在实际任务中，不仅需要识别特定手势，而且还必须识别该手势所属的对象，在一个房间中一次可以有多个人，而且他们在系统中的优先级都可能不同。使用现代深度学习算法可以解决此问题和许多其他未通知的问题[8]。例如，WiSee项目中使用了这种方法。由华盛顿大学的学生和教职员工实施。由于神经网络算法的工作需要相当复杂但类型相同的计算，因此在硬件中实现它们需要特殊的计算单元，即所谓的计算单元。TPU（张量过程初始化）或其他-神经模块，神经处理器。可以针对特定任务优化这样的计算单元，无论它是面部，语音还是手势的识别。为了解决识别小物体的手势或空间运动的问题，创建了特殊的TPU“ Soli I-CB”，可以将其内置到各种智能设备和小工具中。
图。15 Neurochips项目专案。结论
网络物理系统是信息时代的重要组成部分。我们越了解如何设计，分析，保护和改进此类系统，就可以使我们周围的世界变得更好，更安全和更易懂。从上面的示例中可以看到，人工智能可以在各个层面上提高CPS的性能，而这两个相关领域（AI + CPS）的协同作用将为我们的生活带来许多有趣且出乎意料的改善。如果您是本科生，或者对CPS，AI，XR技术以及此类项目的实施感兴趣，那么在这种情况下，我们将与莫斯科航空学院的应用信息学和信息技术学院合作，开设一个硕士课程“增强/虚拟现实和人工智能”技术工作室身体主义。该程序基于人工智能，网络物理系统，虚拟和增强现实的课程，在这些课程的框架下，我们将帮助您了解实践中使用技术的所有技巧。等着你！作者
Vadim Kondrattsev，
莫斯科航空学院的
物理工程师，研发工程师vadim@phygitalism.com
itcentrmai@gmail.com 资料来源
1.Allgöwer，Frank和Sousa，João和Kapinski，James和Mosterman，Pieter和Oehlerking，Jens和Panciatici，Patrick＆Panshai和Panshhai和Panshhai ，Akshay和Tabuada，Paulo和Wenzelburger，Philipp。 （2019）。关于现代应用对网络物理系统理论构成的挑战的立场文件。非线性分析。 34. 147–165。 10.1016 / j.nahs.2019.05.007。
2. Paulo Tabuada，网络物理系统：立场书
3. Lee，EdwardA。“网络物理系统的过去，现在和未来：关注模型。”传感器（瑞士巴塞尔），第一卷。 15.3 4837–69。 2月26日2015，doi：10.3390 / s1503048374. RG Sanfelice。网络物理系统的分析和设计。混合控制系统方法//网络物理系统：从理论到实践/ D. Rawat，J。Rodrigues，I。Stojmenovic。 -CRC出版社，2016年。5. Shao Z.，Liu J.（2013年），用于网络物理系统的时空混合自动机。在：刘Z.，伍德科克J.，朱H.（编辑）计算的理论方面-ICTAC2013。ICTAC2013。计算机科学讲座，第8049卷。Springer，柏林，海德堡6. EA Lee和SA Seshia，简介嵌入式系统-网络物理系统方法，http：//LeeSeshia.org，2011年。7.菲洛诺夫，帕维尔和基塔索夫，费多和拉夫伦捷夫，安德烈。（2017）。田纳西州伊士曼过程基于RNN的早期网络攻击检测。ArXiv abs / 1709.022328. Pu Qifan Pu，Sidhant Gupta，Shyam Gollakota，Shwetak Patel（2013）使用无线信号进行全屋手势识别 //第十九届国际移动计算和网络年度会议（Mobicom'13）