Интеграция агентного искусственного интеллекта и цифровых двойников для интеллектуальных систем принятия решений

Integrating agentic AI and digital twins for intelligent decision-making systems
Agus Hasan, Dong Trong Nguyen
2026-02-20

рассуждение на основе больших языковых моделейагентный ИИавтономность с замкнутым контуромцифровые двойникиуправление электросетью
Интеграция агентного искусственного интеллекта (agentic AI) и цифровых двойников (ЦД) обеспечивает создание интеллектуальных, адаптивных и ориентированных на достижение целей систем принятия решений. В данной статье развитие этого направления осуществляется с помощью многоуровневой интеграционной структуры, объединяющей восприятие, управление знаниями и данными, рассуждение на основе больших языковых моделей (LLM), обучение, принятие решений, выполнение действий и адаптацию по обратной связи в целостную систему. В рамках этой структуры агенты, управляемые LLM, выступают в качестве когнитивных ядер контекстно-зависимого планирования и взаимодействия, тогда как цифровой двойник предоставляет общую ситуационную модель, поддерживающую состояние в реальном времени, возможности моделирования и ограничения политик. Работа вносит три основных вклада: (i) новую архитектуру, реализующую непрерывное обучение и автономность с замкнутым контуром посредством тесно связанных агентов и ЦД; (ii) демонстрацию применения для балансировки мощности при управлении электрической сетью, где агенты координируют прогнозирование спроса, распределённые энергетические ресурсы и сетевые ограничения с помощью цифрового двойника сети; и (iii) анализ ключевых факторов обеспечения и проблем, таких как синхронизация моделей, интерпретируемость, безопасность и распределение когнитивной нагрузки, необходимых для масштабируемого и надёжного внедрения. Предлагаемая интеграция обеспечивает обоснованный путь к созданию устойчивых, прозрачных и эффективных с точки зрения использования данных систем принятия решений для киберфизической инфраструктуры и формирует основу для распространения синергии агентного ИИ и цифровых двойников на другие критически важные с точки зрения безопасности области. • Объединяет агентный ИИ с цифровыми двойниками для адаптивного принятия решений. • Использует LLM в качестве когнитивных ядер для рассуждения и целеориентированной автономности. • Обеспечивает непрерывное обучение посредством обратной связи и моделирования в реальном времени.
1
Многоуровневая структура объединяет восприятие, управление данными и знаниями, рассуждение LLM, обучение, принятие решений, действия и адаптацию по обратной связи.
2
В сценарии балансировки электроэнергии система координирует прогнозирование спроса, распределённые энергоресурсы и сетевые ограничения через цифрового двойника энергосистемы.
3
Агенты на основе LLM обеспечивают контекстное планирование и сотрудничество, а цифровые двойники поддерживают общие данные о состоянии в реальном времени, моделирование и ограничения политик.
4
Масштабируемое и заслуживающее доверия развертывание требует синхронизации моделей, интерпретируемости, безопасности и эффективного распределения когнитивной нагрузки.
5
Тесно связанная архитектура обеспечивает автономность в замкнутом контуре и непрерывное обучение посредством обратной связи и моделирования в реальном времени.

системы принятия решений, интегрирующие агентный ИИ и цифровые двойники, продемонстрированные на задаче балансировки мощности в электрической сети

адаптивное, целенаправленное принятие решений в замкнутом контуре, обеспечиваемое агентами на базе LLM и состоянием, моделированием, обратной связью и ограничениями политики в реальном времени через цифровой двойник

Publication Details
Publication Date
2026-02-20
Journal
Publisher
ISSN
Cited by
26
Access Type
Author Information
Authors
Agus Hasan
Dong Trong Nguyen
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat →
Make a presentation
100%