Teknologi.Bagian dari ensiklopedia.onlineCari/
BerandaEnergiMATH-DT: Scalable Bayesian Online Learning for Digital Twins in Power Network Resilience against Sequential Extreme Events
Proyek riset & pengembangan

MATH-DT: Scalable Bayesian Online Learning for Digital Twins in Power Network Resilience against Sequential Extreme Events

Ringkasan tujuan riset

Digital twin jaringan tenaga akan memakai ensemble MCMC dan Bayesian online learning untuk memperbarui kerusakan serta strategi recovery selama rangkaian kejadian ekstrem.

Energi1 rujukanProfil diperbarui
Lihat rujukanBandingkan proyek
Linimasa NSF 2529327Periode tercatat 2025-09-01 sampai 2028-08-31.NSF 2529327MulaiAkhir tercatat202520292025-09-012028-08-31
Linimasa dan catatan proyek

Tanggal dan TRL menurut catatan penerbit. Akhir periode dan target bukan bukti hasil riset.

Teknologi · CC BY 4.0 · Sumber data

Apa tujuan dan pendekatan risetnya?

Profil ini merangkum ruang lingkup proyek yang dipublikasikan National Science Foundation (NSF). Sumber diakses . Uraian pendekatan dan manfaat menyatakan tujuan pengembangan, kecuali sumber secara khusus melaporkan hasil.

Model fisika cepat mensimulasikan keadaan infrastruktur rusak, sementara ensemble Markov Chain Monte Carlo mengestimasi perilaku kompleks dengan ketidakpastian. Data baru memperbarui twin secara online dan mendukung stochastic optimization keputusan repair. Riset menyasar kejadian berurutan seperti aftershock atau badai beruntun, ketika kondisi terus berubah sebelum pemulihan selesai. Kecepatan restorasi lebih baik perlu dibuktikan terhadap kualitas damage inference dan batas operasi jaringan.

Baca uraian penerbit

Konteks pengembangan

Institusi penerima pada catatan
University of California-Berkeley
Program
Special Initiatives, APPLIED MATHEMATICS
Periode pendanaan tercatat
2025-09-01 → 2028-08-31

Proyek kolaboratif beberapa institusi diwakili oleh satu catatan penghargaan. Institusi di atas adalah penerima pada catatan tersebut.

Klasifikasi NSF

  • Directorate for Engineering
  • Civil, Mechanical, & Manufacturing Innovation

Label penerbit dipertahankan sebagai konteks. Bidang katalog merupakan pengelompokan editorial.

Apa yang diketahui tentang statusnya?

Status pendanaan menurut NSFAktif (catatan pendanaan NSF)

Catatan NSF tidak melaporkan tingkat kesiapan teknologi (TRL). Status pendanaan aktif atau berakhir bukan bukti keberhasilan riset.

Batas informasi

Profil merangkum tujuan dan pendekatan dalam abstrak pendanaan NSF. Status pendanaan tidak membuktikan keberhasilan riset, kesiapan teknologi, atau ketersediaan produk. Hasil dan performa belum diverifikasi secara independen; tinjauan ahli belum dilakukan.

Dasar profil

Metodologi dan batas pemeriksaan. Ringkasan berbahasa Indonesia disusun sebagai parafrasa editorial dengan pemeriksaan sumber primer oleh agen AI. Identitas, periode, serta status berasal dari catatan penerbit. Tinjauan ahli dan pengujian kinerja independen belum dilakukan; rujukan tidak menyiratkan dukungan atau sertifikasi NSF.