面向网络化控制与决策的神经形态孪生
信息论
2022-11-03 v1 math.IT
摘要
我们从算法角度考虑通过噪声通信信道传输数据来远程跟踪不稳定线性时不变被控对象状态的问题。假设被控对象动力学已知，是否存在一种算法，以信道特性描述作为输入，若传输能力允许远程跟踪被控对象状态则返回“是”，否则返回“否”？在答案为肯定的情况下，是否存在一种算法可计算该信道适用的编码器/解码器对？随着未来通信技术旨在以分布式方式解决控制工程任务，此类问题日益重要。特别地，它们在数字孪生——一种最初于工业4.0背景下考虑的新兴信息处理方法——中扮演关键角色。然而，针对上述在理想数字硬件（即图灵机）上可实现的算法，上述问题已被否定回答。本文从Blum-Shub-Smale可计算性框架审视远程状态估计问题。广义而言，后者可解释为理想模拟计算之模型。尤其在神经形态计算背景下，模拟硬件近年再度兴起。因此，本工作的贡献可作为神经形态孪生理论之动机，以作为模拟硬件对应于数字孪生的 counterpart。
引用
@article{arxiv.2211.00755,
title = {Neuromorphic Twins for Networked Control and Decision-Making},
author = {Holger Boche and Yannik N. Böck and Christian Deppe and Frank H. P. Fitzek},
journal= {arXiv preprint arXiv:2211.00755},
year = {2022}
}