弹性与可持续基础设施的数字技术

博士生将与我们的工业合作伙伴密切合作，开发创新的数字工具和方法，以提高关键基础设施的弹性和可持续性。这些工具和方法将包括但不限于：开发解决关键功能和关键危害性能的数学模型；开发具有可量化置信度的新不确定性方法；开发基于机器学习和工程物理自动学习的快速仿真工具。数字孪生是组件和系统的虚拟生命复制品，它们正日益成为预测、监控和控制复杂系统行为的流行工具。数字孪生和机器学习常用于减少设计阶段的必要要求和实验分析，测试系统在危急情况下的行为，并创建在实践中难以或不切实际重现的场景。一个真实的数字孪生由动态模型构成，这些模型通过不同的数据流和信息不断更新，并能够以所需的置信水平预测（模拟）系统性能。数字孪生需要数据来构建。但数据通常不可靠，因为数据可能不精确、不完整、被截断、缺失、被审查、被损坏，这只是其中的一些问题。因此，有必要用基于物理的规则来补充我们的数字模型，并明确考虑不确定性。模型只是现实的近似，它们的准确性需要估计和考虑。对于非随机分析概率模型专家来说，通过模型传播不确定性具有挑战性。处理大量数据既繁琐又缓慢且昂贵。不确定性分析非常重要，不能让经验不足的人自行完成。我们的计算工具必须自动完成此操作。不确定性分析可用于在安全或公平性是突出问题的不确定情况下，给予人们无罪推定。概率方法是计算科学中最强大的方法之一，但它们成本高昂，需要一定的专业知识才能正确执行。正如自动微分使机器学习成为可能一样，自动不确定性将使廉价而快速的概率计算成为可能。交通、通信、能源和应急服务是任何城市环境中社会运作的关键基础设施（CIs）。在不完全的知识和不确定性下，识别、建模和模拟异构系统之间的关键相互依赖关系的能力方面，当前科学知识存在空白。关键基础设施正在老化，并面临自然灾害频率和严重性增加的风险，我们从最近的灾难性事件（新冠疫情和乌克兰战争）中了解到，意想不到的事件可以迅速改变基础设施的使用和设计方式，并显示出关键基础设施之间的复杂性、互联性和依赖性。我们无法设计甚至维护能够承受任何可能威胁的基础设施。但我们可以增加灵活性和适应性，以响应、适应和减轻此类事件的后果并迅速恢复。A transformative shift in thinking is needed if we are to shift from maintaining and maximising individual functionalities of individual CI to understanding joint vulnerabilities and mutual interdependences and sharing the “excess of robustness and capacity” for the good of all. Resilience is the science of planning for the unknown. Unknowns are the domain of uncertainty management and quantification. Resilience thinking is required to address the modern unknown threats, interdependencies, and poor knowledge of systems. Enablers for CI resilience and sustainability are: engineering modelling capability and mathematical approaches for assessing and understanding the impact of disruptions and cascading effects under deep uncertainty to facilitate the system of systems integration, development of verified digital twins with an incredible level of details coupled with trustworthy AI solutions and simulations to make accountable and secure decisions, data (with different level of confidence and precision) that might come from embedded distributed sensors or smart highly mobile devices and real-time data analytics able to provide vital information. Those components will make CIs self-aware by providing damage assessment, self-repairing actions, and adaptation. Such highly intelligent and automatised CI also needs to interface with humans raising several criticalities including reliability, robustness and trust that need to be addressed. This allows transforming current CIs into smart and intelligent infrastructure。