世界上真的会有另一个“我”吗？数字孪生：我就是

　　出品?|?科普中国

　　作者?|?海里的咸鱼

　　监制?|?中国科普博览

　　你听过“扁鹊三兄弟”的故事吗？

　　据说，魏文王曾经求教于名医扁鹊：“你们家兄弟三人，都精于医术，谁是医术最好的呢？”扁鹊说：“大哥最好，二哥差些，我是三人中最差的一个。”魏文王表示不解，扁鹊说到：“大哥治病是在病情未发作前就下药铲除病根；二哥是在病情刚显现之前就解决症状；我是在病情十分严重之时，用大手术或者以毒攻毒使病人病情得到缓解或者很快治愈，所以我名闻天下，但其实我的医术是最差的。”

　　这个道理在工业界也是通用的，即在事故未发生之前排除隐患，能够最大程度保障人们的生命财产安全。

　　工业界有一个著名的海因里希法则，工业安全工程师海因里希在他的《工业事故预防》一书里提到：在1件重大的安全事故背后，必有29件轻度的事故，还有300件潜在的隐患。如果在事故发生之前，抓住时机，及时消除不安全因素，就能够避免许多重大的伤亡事故。

　　那么谁能在事故出现前解决隐患呢？数字孪生。

　　数字孪生（digital twin）技术出现的目的之一就是为了防患于未然，在事故发生之前就解决掉事故隐患。

　　2012年，NASA给出了数字孪生的概念描述：数字孪生是指充分利用物理模型、传感器、运行历史等数据，集成多学科、多尺度的仿真过程，它作为虚拟空间中对实体产品的镜像，反映了相对应物理实体产品的全生命周期过程。

　　这个概念看起来复杂难懂，但我们看看它的应用就能明白了。

　　航空发动机是飞机上的重要器件，它的稳定和正常运行，对于确保飞行安全极为重要。航空发动机制造商们，为了有效地检测发动机的运行状态，为其创建了数字孪生。

　　工程师首先会在电脑里创建发动机的精确虚拟副本。然后，他们在真实世界中为发动机安装各种传感器以收集数据，这些传感器收集到的数据会实时传输给计算机中的数字孪生。

　　这时只要在虚拟世界中运行发动机，就能模拟在真实世界中的情况。经过长时间的虚拟运行，工作人员就能收集发动机的运行方式并了解其在什么时候需要维护。

　　正在测试中的发动机，真实世界中无法模拟所有情况，在电脑中却不成问题丨图片来源：The U.S. National Archives

　　这样，在现实中我们也就能预防性地对航空发动机进行维护，从而大大减少飞机常规的停机维护时间。

　　不仅如此，在计算机中的运行中，工程师还能测试各种极端、突发条件下的发动机运行情况，这些条件在真实世界中可能很难模拟。这样就能加深对机器的理解，并提高其在各种条件下的可靠性。

　　数字孪生之前，在计算机里对真实世界的物体进行建模和分析的技术早就存在了，并且发展的非常成熟，在各领域得到了广泛的应用。

　　数字孪生在各个领域都有广泛的应用，图中为海上石油平台的数字孪生丨图片来源：Wikipedia-SumitAwinash

　　比如在工程领域，如果要修一座桥，这座桥要怎么设计才能够达到最强的承重效果呢？先在仿真软件里建立模型，不断优化模型，然后根据优化好的模型在现实中修建桥梁。

　　计算机仿真技术是数字孪生技术出现的基础，数字孪生和仿真模型的区别在于数字孪生具有演化性。数字孪生会不断接收实际物体的各类信息，实时调整状态，努力达到与实际物体实时对应的状态。

　　根据数字孪生提供的信息，电脑发出指令，实时调整物理世界机器的运行参数，以达到最佳运作状态丨图片来源：德勒大学出版社

　　再举一个与我们生活更相关一点的例子。每台汽车仪表盘上的发动机转速表有一个红区，它表示如果发动机的转速达到这个区间，很可能会出问题，这个红区在汽车的整个生命期间是不变的。

　　但实际情况是，每辆汽车的使用情况不同，有的汽车保养良好，发动机转速达到红区也没问题；有的汽车使用情况比较糟糕，发动机转速还没达到红区就已经出故障了。

　　如果汽车上的发动机能够有一个数字孪生，在虚拟世界和发动机同步运行，那么发动机的红区就能根据数字孪生运行的情况来实时做出改变，大大降低发动机出故障的可能性。

　　David Gelernter在1991年的著作Mirror worlds?(《镜像世界》)?预见了数字孪生这一概念。2011年，美国空军研究室首次明确提到了数字孪生，他们希望把战斗机的维护工作进行数字化，而数字孪生就是他们提出的解决方案。

　　美国空军在F35战斗机上布置大量的传感器，将传感器收集到的数据传输给预先建立的数字模型，模型将随着数据而实时的产生变化，精确的模拟出战斗机的实际状态。

　　F35是现在世界使用广泛的新一代战机丨图片来源：Israeli Air Force

　　美国通用电气公司在帮助空军研制F35战机的数字孪生时，也对这一概念产生了极大的兴趣，并在后续不断投入资金进行研究。截至2018年，通用公司宣称他们已经为自己生产的每个引擎、每个涡轮、每台核磁共振都创造了对应的数字孪生。

　　计算机的快速发展，使得我们有能力去处理来自物理实体的海量数据，机器学习、AI的涌现使得建立极其复杂的虚拟模型从天方夜谭变为可能。传感器的海量应用、高精度数字模型的建立、物理实体与虚拟模型的数据交互是数字孪生的存在基础。

　　每个人都是独一无二的，不同于现代制造业流水线生产的产品，人类是极其复杂的。随着技术的发展，智慧医疗的概念被提出并受到了越来越多的关注。

　　最近几年，智能手表出现在了人们的手腕上，这些手表能够检测人的心率、血液中的氧气含量等基础信息。我们坐太久手表会提醒自己起来走动，运动的时候心跳太快手表也会发出预警。

　　现在借助机器学习，电脑能够通过人脸的图片判断我们的心情怎么样；在减肥过程中，拿手机拍照能知道食物有多少卡路里；智能手表会记录我们前一晚的睡眠数据。

　　从某种意义上来说，这算是人体数字孪生的最初级版本。

　　智能手表等可穿戴智能设备能收集到人体的许多数据丨图片来源：pixabay

　　但是对于庞大且复杂的人体系统而言，仅采用上述的些许数据是不能实现对人体状况准确预测的。想要得到一个更加准确的数字孪生，需要收集大量的数据进行分析。其中包括人体所处环境的空气质量、光照条件、人体接种的疫苗、脑电图、心电图、摄入食物的种类数量等等。

　　创建一个能够和现实中的人同步成长的数字孪生，到今天依然是不可能的任务。

　　尽管如此，人们对数字孪生在医疗健康领域的美好前景仍然满怀信心。2014年，人们启动了名为“活心脏计划（LHP: live heart ?Project）”的数字孪生开发项目，来自各行各业的专家以及医学从业者希望创建一个人类心脏的数字孪生。

　　几年后，这个项目交付了第一个参考模型，在这个模型中，医生能够复现任何心血管疾病并安全地测试治疗方案，一些医院的医生会利用它来为不同的患者规划个性化的心脏手术程序。

　　某些新出现的医疗手段，在现实中进行实验可能会造成巨大的损害，在数字孪生里则可以避免。

　　先建立一个通用的一般模型，在此模型的基础上，根据不同患者的信息建立对应的个性化模型丨图片来源：作者自制

　　随着新冠肺炎席卷全球，研究人员启动了一项新的数字孪生计划——活肺计划（LLP : Living Lung Project），用来了解病毒对人体肺器官的长期影响。在虚拟的时空中，我们可以加速时间的流动速度，分析疾病的长期影响。

　　图片来源：Wikipedia

　　曾经人们认为不可能建造一架完整客机的数字孪生，现在已经是飞机制造商的家常便饭。人体数字孪生的搭建工作，在今天看来还存在许多独特的挑战，人们相信科学技术进步的速度会碾平这些挑战。

　　数字孪生是一个多学科交叉的复杂领域，数学、物理学、材料学、计算机科学、生物学都是必不可少的学科。越来越多的研究人员进入了数字孪生的研究领域，数字孪生也开始出现在城市规划、智能工厂、生物制药等领域。另一个“我”，或许就在不远的未来。

　　参考文献

　　[1] Wei S . Is Human Digital Twin Possible?[J]. ?2021.

　　[2] Lv Q , ?Zhang R , ?X ?Sun, et al. A Digital Twin-Driven Human-Robot Collaborative Assembly Approach in the Wake of COVID-19[J]. Journal of Manufacturing Systems, 2021(12).

　　[3] Koen B , ?Filippo S D S , ?Jeroen V D H . Digital Twins in Health Care: Ethical Implications of an Emerging Engineering Paradigm[J]. Frontiers in Genetics, 2018, 9:31-.

　　[4] Barricelli B R , ?Casiraghi E , ?J ?Gliozzo, et al. Human Digital Twin for Fitness Management[J]. IEEE Access, 2020, 8:26637-26664.

　　[5] Glaessgen E , ?Stargel D . The Digital Twin Paradigm for Future NASA and U.S. Air Force Vehicles[C]// Aiaa/asme/asce/ahs/asc Structures, Structural Dynamics & Materials Conference Aiaa/asme/ahs Adaptive Structures Conference Aiaa. 2012.

　　[6]陶飞, 刘蔚然, 刘检华, et al. 数字孪生及其应用探索[J]. 计算机集成制造系统, 2018, 24(1):18.

　　[7]陶飞, 张贺, 戚庆林,等. 数字孪生模型构建理论及应用[J]. 计算机集成制造系统, 2021, 27(1):15.

　　[8]https://zhuanlan.zhihu.com/p/99249900

　　[9]https://en.wikipedia.org/wiki/Digital_twin

　　[10]https://www.lockheedmartin.com/

　　[11]https://www.ge.com/digital/Applications/digital-twin