本发明一般涉及工业和/或技术过程和/或其他物理过程，并且更具体地涉及这种过程的模拟、评估、适配、和/或控制。特别地，本发明涉及工业/技术模拟和建模和/或模型/控制参数优化以及过程控制的。
背景技术：
1、工业和/或技术过程控制通常涉及从耦合到工业和/或技术系统的传感器收集技术数据，将该技术数据提炼成一些技术知识(建模)，并且使用这些知识来产生控制信号，从而创建工业和/或技术过程的有效操作。
2、为了这些目的，大多数工业都采用某种建模软件来帮助他们创建可以与其数据交互的知识模型。这些模型通常以工业特定的面向对象建模语言进行编码。在一些情况下，该模型是基于从理论推导出的物理方程，在其他情况下，该模型是基于诸如回归分析之类的统计方法，而另外其他情况下，该模型是基于进化算法，该算法可以被用于基于模仿生物进化的自然选择过程对约束和无约束优化问题求解。
3、这种系统的模拟通常受益于可变步长模拟(最常见的是基于微分方程求解器)，以便更有效地处理模拟。可变步长允许对动态过程进行有效模拟，其中该过程中的某些关键时刻受益于更小的步长和更高的准确性，而其他模拟时刻可以使用更快、更大的时间步长。
4、在各种研究中已经探索了使用通用函数逼近器(诸如神经网络)导出用于这种过程和自动建模的精确方程。最近的示例包括神经常微分方程系统(神经ode)的纯神经网络方法以及混合神经网络和物理方程的混合物理信息神经网络(pinn)。这些方法将神经网络直接置于被馈送到微分方程求解器的微分方程内部，以便导出各种过程的数据适配模拟。
5、然而，要实现神经网络与微分方程求解器交互来模拟复杂过程的实际应用，需要解决几个未解决的问题，这些问题阻碍了函数逼近器在这种模拟器中的广泛使用。也许最关键的问题是刚性方程的处理。刚性方程被不同地定义为某些基于步骤的方法在没有极小步长的情况下会失败的方程，或者被定义为具有作用于不同尺度或通过刚性比作用的模式的方程。在这些设置中，神经ode已知会大范围失败，而例如连续时间储备池计算的计算缩放性质较差并且无法使其与其他系统交互。此外，总是需要更有效的计算，以便降低成本和/或以更高模拟准确性来处理大型和/或更详细的模型。
技术实现思路
1、一般目的是提供对诸如工业、技术、和/或生物医学或医学过程之类的物理过程的(多个)模型的改进的模拟、评估和/或适配。
2、举例来说，所期望的是，提供更准确和有效的计算机辅助方法以应用于工业和/或技术过程模型，并且使用这些方法来创建对工业和/或技术过程的改进控制。
3、特定目的是提供计算上更有效的模拟，该模拟涉及对数据进行训练的通用函数逼近器。
4、另一目的是对在通用函数逼近器中隐式编码的知识进行有效的自动收集、重用、以及操纵，以用于分析和/或控制物理过程(诸如工业、技术、和/或生物医学或医学过程)。
5、另一目的是适配和/或优化建模系统，该系统允许人类对过程的理解和通用函数逼近模型之间的有效交互。
6、又一目的是提供传感器数据的计算有效使用，以通过人类可解释的半监督强化学习来提供最佳的参数化控制系统和/或策略。
7、又一目的是通过使用半监督学习来提供对工业和/或技术过程的控制的数据高效且计算高效的基于强化学习的优化。
8、另一目的是提供对工业和/或技术过程的有效控制。
9、还期望的是，提供一种用于使能使用适配到数据的神经网络来模拟刚性系统的方法和对应的系统。
10、这些和其他目的通过本文所定义的实施例来满足。
11、根据第一方面，提供了一种系统，该系统包括：
12、一个或多个处理器和相关联的存储器，处理器和存储器被配置为至少部分地作为具有不同模拟器部件的模块化模拟器进行操作，不同模拟器部件包括：
13、-第一类模拟器部件，第一类模拟器部件包括一个或多个函数逼近器，以及
14、-第二类不同的模拟器部件，第二类不同的模拟器部件被配置为与所述一个或多个函数逼近器交互；
15、其中模块化模拟器被配置为通过所述一个或多个处理器基于每次迭代中要模拟的可变时间步长而作为可变时间步长模拟器进行操作，并且生成模拟结果；以及
16、其中模块化模拟器还被配置为通过所述一个或多个处理器基于包括一个或多个函数逼近器的第一类模拟器部件和第二类不同的模拟器部件来模拟随时间变化的动态物理过程，所述第一类模拟器部件和第二类不同的模拟器部件两者至少部分地基于每次迭代中要模拟的可变时间步长被给予输入。
17、根据第二方面，提供了一种系统，包括：
18、-一个或多个处理器；
19、-存储器，该存储器被配置为存储：一个或多个通用函数逼近器的参数；
20、-可变时间步长模拟器，可变时间步长模拟器被配置为通过一个或多个处理器基于所述一个或多个函数逼近器来模拟随时间变化的动态物理过程并且生成模拟结果，所述一个或多个函数逼近器至少部分地基于每次迭代中要模拟的可变时间步长被给予输入，使得：
21、每个函数逼近器至少部分地基于每次迭代中要模拟的可变时间步长
22、每个函数逼近器与未经模拟器中的特定函数逼近器模拟的某个模拟动态系统交互。
23、根据第三方面，提供了一种用于评估和/或适配至少一个技术模型的系统，至少一个技术模型与物理过程相关，物理过程被定义为要由工业和/或技术系统执行的工业和/或技术过程，其中用于评估和/或适配至少一个技术模型的所述系统包括根据第一方面或第二方面所述的系统。
24、根据第四方面，提供了一种用于使得能够对工业和/或技术系统进行控制的系统，改系统被配置为执行被定义为工业和/或技术过程的物理过程，其中用于使得能够对工业和/或技术系统进行控制的所述系统包括根据第一方面或第二方面所述的系统。
25、根据第五方面，提供了一种计算机实现的方法，该方法用于执行随时间变化的动态物理过程的模拟。该方法包括：
26、配置和/或操作具有不同模拟器部件的模块化模拟器，不同模拟器部件包括：
27、-第一类模拟器部件，第一类模拟器部件包括一个或多个函数逼近器，以及
28、-第二类不同的模拟器部件，第二类不同的模拟器部件被配置为与所述一个或多个函数逼近器交互；
29、其中模块化模拟器被配置为基于每次迭代中要模拟的可变时间步长而作为可变时间步长模拟器进行操作，并且生成模拟结果；以及
30、模块化模拟器基于包括一个或多个函数逼近器的第一类模拟器部件和第二类不同的模拟器部件来执行随时间变化的动态物理过程的模拟，所述第一类模拟器部件和所述第二类不同的模拟器部件两者至少部分地基于所述可变时间步长被给予输入。
31、根据第六方面，提供了一种用于评估和/或适配至少一个技术模型的方法，该方法由一个或多个处理器执行，至少一个技术模型与物理过程相关，该物理过程被定义为要由工业和/或技术系统执行的工业和/或技术过程，用于评估和/或适配至少一个技术模型的所述方法包括根据第五方面的用于执行动态物理过程的模拟的方法。
32、根据第七方面，提供了一种用于使得能够对工业和/或技术系统进行控制的方法，由一个或多个处理器和所关联的存储器执行，该工业和/或技术系统被配置为执行被定义为工业和/或技术过程的物理过程，用于使得能够对工业和/或技术系统进行控制的所述方法包括根据第六方面的用于评估和/或适配与物理过程相关的至少一个技术模型的方法。
33、根据第八方面，提供了一种包括指令的计算机程序，该指令当由至少一个处理器执行时使至少一个处理器执行根据第五方面、第六方面或第七方面所述的方法。
34、以此方式，提供了使能以更鲁棒和/或计算有效的方式来模拟、评估、适配、和/或控制诸如工业、技术、和/或生物医学或医学过程之类的物理过程的方法和系统。
35、本发明通常适用于任何种类的工业、技术、和/或生物医学或医学或甚至可能的生物过程，其示例将在详细描述中描述。
36、举例来说，所提出的技术提供和/或实现以下技术效果：
37、·技术系统的自动设计。
38、·技术系统的控制。
39、·自动设计/创建用于技术系统的控制系统。
40、·改进的技术模拟。
41、·药物发现
42、本发明提供的其他技术优点可以例如包括以下一个或多个：更高程度的自动化、改进的计算效率、减少的存储器需求、增加的控制稳定性、使能适配到刚性系统、提供改变模拟中的时间步长的方法，使能将代理模型训练为刚性模拟器，基于函数逼近器更快地训练模拟器，提高模拟器准确性，在给定固定计算资源的情况下实现更大、更详细的模拟和/或更长时间的模拟，设计更高效的电路和/或尺寸更小的电路、能源效率更高、车辆更快、车辆更可控、自动化控制、改进的生产计划、更精确的电机控制、减少副作用、以及更有效的治疗。
43、当阅读本发明的实施例的以下描述时，将理解本发明提供的其他优点。
1.一种系统(20；30；100)，包括：
2.根据权利要求1所述的系统，其中包括一个或多个函数逼近器的所述第一类模拟器部件与所述第二类不同的模拟器部件之间的所述交互使得两者都影响彼此的操作。
3.根据权利要求1或2所述的系统，其中所述第二类不同的模拟器部件包括能够以可变步长操作的一个或多个微分方程求解器。
4.根据权利要求1至3中任一项所述的系统，其中每个函数逼近器是至少部分地基于每次迭代中要模拟的可变时间步长，并且每个函数逼近器与未经所述模块化模拟器中的特定函数逼近器模拟的某个模拟动态系统交互。
5.一种系统(20；30；100)，包括：
6.根据权利要求1至5中任一项所述的系统，其中所述动态物理过程是工业过程、技术过程、和/或生物医学过程或医学过程。
7.根据权利要求1至6中任一项所述的系统，还包括：
8.根据权利要求7所述的系统，还包括：
9.根据权利要求8所述的系统，其中所述存储器还被配置为存储用于所述损失函数的计算机指令，使得所述损失函数能够通过所述一个或多个处理器生成对所述模拟结果与历史数据之间的差异的估计。
10.根据权利要求8或9所述的系统，其中所述梯度估计器被配置为对所述损失函数应用反向模式自动微分以便生成所述梯度估计。
11.根据权利要求1至10中任一项所述的系统，其中没有被参数化模型直接更新的系统状态的至少一部分由具有可变步长的微分方程求解器来模拟。
12.根据权利要求1至11中任一项所述的系统，其中所述一个或多个函数逼近器的函数和/或使用以非因果建模语言来编码。
13.根据权利要求1至12中任一项所述的系统，其中所述一个或多个函数逼近器包括一个或多个通用函数逼近器ufa。
14.根据权利要求1至13中任一项所述的系统，其中所述一个或多个函数逼近器包括一个或多个神经网络。
15.根据权利要求1至14中任一项所述的系统，还包括损失模块，所述损失模块被配置为通过所述一个或多个处理器取回模拟结果和来自所述物理过程的历史传感器数据并生成模拟器损失。
16.根据权利要求1至15中任一项所述的系统，还包括：
17.根据权利要求1至16中任一项所述的系统，还包括控制优化器，所述控制优化器被配置为通过所述一个或多个处理器来生成和/或调整对工业和/或技术过程的控制系统的行为进行编码的参数。
18.根据权利要求1至17中任一项所述的系统，其中所述存储器(120)被配置为存储所述物理过程的参数化模型，所述参数化模型包括至少一个物理子模型和被用作通用函数逼近器的至少一个神经网络子模型，所述通用函数逼近器用于至少部分地对所述物理过程进行建模，包括所述参数化模型的一个或多个模型参数；以及传感器数据，所述传感器数据包括源自一个或多个数据监视系统的一个或多个时间序列参数；以及
19.根据权利要求18所述的系统，其中所述参数化模型是完全或部分地非因果模块化参数化的过程模型。
20.一种用于评估和/或适配至少一个技术模型的系统(20；30；100)，所述至少一个技术模型与物理过程相关，所述物理过程被定义为要由工业和/或技术系统执行的工业和/或技术过程，其中用于评估和/或适配至少一个技术模型的所述系统包括根据权利要求1至19中任一项所述的系统。
21.根据权利要求20所述的系统，其中所述系统(20；30；100)被配置为获得包括一个或多个模型参数的所述至少一个技术模型，并且其中所述模型被定义为使得所述工业和/或技术过程至少部分地由被用作通用函数逼近器的一个或多个神经网络来建模；
22.一种用于使得能够对工业和/或技术系统进行控制的系统(20；30；100)，被配置为执行被定义为工业和/或技术过程的物理过程，其中用于使得能够对工业和/或技术系统进行控制的所述系统包括根据权利要求1至21中任一项所述的系统。
23.根据权利要求22所述的系统，其中所述系统还包括：
24.根据权利要求23所述的系统，其中所述系统(20；30；100)还包括以下以作为所述模拟器的一部分：
25.根据权利要求24所述的系统，其中所述微分方程求解器被配置为通过所述一个或多个处理器(110)来模拟随时间变化的所述工业和/或技术过程的状态的动态，并且所述评估器被配置为通过所述一个或多个处理器(110)生成与关于至少一个损失函数从微分方程求解器导出的一个或多个状态相关的梯度的估计，以用于输出到所述适配模块。
26.根据权利要求25所述的系统，其中所述至少一个损失函数表示对所述工业和/或技术过程进行建模时的模拟误差。
27.一种用于执行随时间变化的动态物理过程的模拟的方法，由一个或多个处理器和相关联的存储器执行，所述方法包括：
28.一种用于评估和/或适配至少一个技术模型的方法，由一个或多个处理器和所关联的存储器执行，所述至少一个技术模型与物理过程相关，所述物理过程被定义为要由工业和/或技术系统执行的工业和/或技术过程，所述用于评估和/或适配至少一个技术模型的方法包括根据权利要求27所述的用于执行动态物理过程的模拟的方法。
29.一种用于使得能够对工业和/或技术系统进行控制的方法，由一个或多个处理器和所关联的存储器执行，所述工业和/或技术系统被配置为执行被定义为工业和/或技术过程的物理过程，所述用于使得能够对工业和/或技术系统进行控制的方法包括根据权利要求28所述的用于评估和/或适配与物理过程相关的至少一个技术模型的方法。
30.根据权利要求27至29中任一项所述的方法，其中所述方法被应用于对工业和/或技术系统的至少一部分进行模拟、适配建模、和/或控制，所述工业和/或技术系统用于工业制造、加工、包装、汽车和运输、采矿、纸浆、基础设施、能源和动力、电信、信息技术、音频/视频、生命科学、石油、天然气、水处理、卫生、以及航空航天工业中的至少一个。
31.一种包括指令的计算机程序(125；135)，当所述指令由至少一个处理器(110)执行时使所述至少一个处理器(110)执行根据权利要求27至30中任一项所述的方法。
