Cet article propose un cadre de jumeaux numériques sémantiques augmentés (LSDT) qui exploite les modèles de langage à grande échelle (LLM) pour relever le défi de l'intégration des connaissances non structurées et créer des jumeaux numériques (TN) efficaces pour la gestion de systèmes d'infrastructure complexes. Les LSDT s'appuient sur les LLM pour extraire les connaissances de planification de documents non structurés, tels que les réglementations environnementales et les directives techniques, et les organiser en une ontologie formelle. Cette ontologie forme une couche sémantique qui alimente les jumeaux numériques, des modèles virtuels de systèmes physiques, permettant la simulation de scénarios de planification réalistes et conformes. Des études de cas portant sur la planification de parcs éoliens offshore dans le Maryland et les applications liées à l'ouragan Sandy démontrent l'efficacité des LSDT, démontrant leur capacité à prendre en charge une optimisation de l'aménagement interprétable et conforme, des simulations haute fidélité et une adaptabilité accrue de la planification des infrastructures. En conclusion, la combinaison de l'IA générative et des jumeaux numériques démontre le potentiel de prise en charge de tâches de planification complexes basées sur les connaissances.
