디지털 트윈 AI: 대규모 언어 모델에서 월드 모델까지의 기회와 과제

초록

디지털 트윈은 물리적 시스템의 정밀한 디지털 표현으로서, 인공지능 기술의 통합을 통해 수동적인 시뮬레이션 도구에서 지능적이고 자율적인 개체로 진화해왔습니다. 본 논문은 모델링, 미러링, 개입, 자율 관리에 이르는 디지털 트윈 라이프사이클 전반에 걸친 AI 통합을 체계적으로 특징짓는 통합된 4단계 프레임워크를 제시합니다. 기존 기술과 실무를 종합하여 우리는 AI 방법론이 디지털 트윈 라이프사이클 전반에 어떻게 내재되는지 체계적으로 규명하는 통합 4단계 프레임워크를 도출했습니다: (1) 물리법칙 기반 및 물리정보 AI 접근법을 통한 물리적 트윈 모델링, (2) 실시간 동기화를 통한 물리적 시스템의 디지털 트윈으로의 미러링, (3) 예측 모델링, 이상 감지 및 최적화 전략을 통한 물리적 트윈 개입, (4) 대형 언어 모델, 파운데이션 모델 및 지능형 에이전트를 통한 자율 관리 달성. 우리는 물리법칙 기반 모델링과 데이터 기반 학습 간의 시너지를 분석하며, 물리적 시스템을 위한 기존 수치 해석기에서 물리정보 모델 및 파운데이션 모델로의 전환을 강조합니다. 더 나아가 대형 언어 모델 및 생성형 세계 모델을 포함한 생성형 AI 기술이 어떻게 디지털 트윈을 추론, 의사소통, 창의적 시나리오 생성이 가능한 능동적이고 자기 개선하는 인지 시스템으로 변모시키는지 검토합니다. 의료, 항공우주, 스마트 제조, 로봇공학, 스마트 시티 등 11개 응용 분야에 걸친 융합적 고찰을 통해 확장성, 설명 가능성, 신뢰성과 관련된 공통 과제를 확인하고, 책임 있는 AI 기반 디지털 트윈 시스템을 위한 방향을 제시합니다.

English

Digital twins, as precise digital representations of physical systems, have evolved from passive simulation tools into intelligent and autonomous entities through the integration of artificial intelligence technologies. This paper presents a unified four-stage framework that systematically characterizes AI integration across the digital twin lifecycle, spanning modeling, mirroring, intervention, and autonomous management. By synthesizing existing technologies and practices, we distill a unified four-stage framework that systematically characterizes how AI methodologies are embedded across the digital twin lifecycle: (1) modeling the physical twin through physics-based and physics-informed AI approaches, (2) mirroring the physical system into a digital twin with real-time synchronization, (3) intervening in the physical twin through predictive modeling, anomaly detection, and optimization strategies, and (4) achieving autonomous management through large language models, foundation models, and intelligent agents. We analyze the synergy between physics-based modeling and data-driven learning, highlighting the shift from traditional numerical solvers to physics-informed and foundation models for physical systems. Furthermore, we examine how generative AI technologies, including large language models and generative world models, transform digital twins into proactive and self-improving cognitive systems capable of reasoning, communication, and creative scenario generation. Through a cross-domain review spanning eleven application domains, including healthcare, aerospace, smart manufacturing, robotics, and smart cities, we identify common challenges related to scalability, explainability, and trustworthiness, and outline directions for responsible AI-driven digital twin systems.

디지털 트윈 AI: 대규모 언어 모델에서 월드 모델까지의 기회와 과제

Digital Twin AI: Opportunities and Challenges from Large Language Models to World Models

초록

Support