
Uso de réplicas digitales simuladas de sistemas físicos para entrenar modelos de aprendizaje automático con datos reales limitados.El entrenamiento con gemelos digitales es un enfoque de aprendizaje automático en el que se utiliza una réplica digital simulada de un sistema físico para generar datos de entrenamiento para modelos, especialmente cuando los datos del mundo real son escasos o costosos de obtener. El gemelo digital es una simulación de alta fidelidad que imita el comportamiento del sistema físico, lo que permite que el modelo aprenda de una gran cantidad de datos sintéticos. Esta técnica es particularmente valiosa en campos como la imagen médica, donde es difícil recopilar grandes conjuntos de datos de pacientes reales, o en entornos industriales donde realizar experimentos físicos es costoso.
El concepto de gemelos digitales existe desde principios de la década de 2000, popularizado por Michael Grieves, pero su uso en el entrenamiento de modelos de aprendizaje automático ha crecido significativamente en las décadas de 2010 y 2020 con los avances en simulación y aprendizaje profundo.
El proceso implica crear una simulación detallada del sistema físico, que puede basarse en modelos basados en la física o aprenderse de datos reales limitados. Esta simulación se utiliza luego para generar un gran conjunto de datos de pares entrada-salida, que se emplean para entrenar un modelo de aprendizaje automático. El modelo aprende a mapear desde la entrada (por ejemplo, lecturas de sensores) hasta la salida deseada (por ejemplo, una imagen reconstruida o una clasificación). Una vez entrenado, el modelo se puede aplicar a datos reales, a menudo con un ajuste fino en un pequeño conjunto de ejemplos reales para tener en cuenta las discrepancias entre la simulación y la realidad.
El entrenamiento con gemelos digitales se utiliza en imagen médica para entrenar modelos de reconstrucción de resonancia magnética y tomografía computarizada, en conducción autónoma para entrenar modelos de percepción en entornos simulados, y en mantenimiento predictivo industrial.
El entrenamiento con gemelos digitales permite entrenar modelos en millones de escenarios simulados en una fracción del tiempo que llevaría recopilar datos reales, e incluso puede simular condiciones que son peligrosas o imposibles de crear en la realidad.























