CMC Research 将于2026年5月18日发行《次世代数字孪生的实作与主要供应商、研究机构30家：支撑制造、能源与AI协作的生态系》。本书聚焦物理模型与AI融合、PINNs实作、CPS自主优化、制造流程数字孪生、材料信息学（MI）与能源优化等主题。 本书指出，日本制造、材料与组件产业正面临熟练技能与制程Know-how等暗默知难以持续传承的结构性风险。报告提出「次世代数字孪生」作为解方，将材料特性、制程条件、设备行为与能源消耗等多层数据结构化，转换为可重现、可计算、可持续产生决策价值的数字资产。 技术面上，数字孪生正从单纯可视化进化为决策引擎。传统数据驱动AI与代理模型虽擅长学习观测数据中的相关性，但在外插区域与物理限制问题上存在限制。相较之下，结合物理模型与AI的混合建模，特别是物理信息神经网络（PINNs），可将物理法则作为约束条件，即使在数据不足的领域也能维持物理一致性的预测，降低对实验与试作的依赖，并事前导出最佳条件。 本书特别讨论蓄电池电极涂布与干燥、半导体原子层沉积（ALD）、化学连续流合成等多尺度、强非线性制程中的应用。通过混合模型，可降低参数空间的有效维度、强化敏感度分析，并加速从实验室到量产线的垂直爬坡。 此外，竞争轴也从制造单体优化扩展至能源集成优化。随着欧洲数字产品护照（DPP）与碳边境调整机制（CBAM）等制度推进，产品层级的环境负荷管理成为必要条件。未来，结合制造流程与能源消耗的能源连动型数字孪生将成为标准，并要求工厂、数据中心与蓄电池之间的动态优化。数据中心方面，液冷控制、负载分散与PUE改善将成为降低TCO与LCOS的重要实务议题。 书籍概要：A4平装，123页，定价99,000日圆含税；书籍加PDF版CD套组165,000日圆含税。ISBN为978-4-910581-88-0，编辑发行单位为CMC Research。 主要内容包括：暗默知数字资产化与日本产业结构风险、数据品质与数据孤岛克服、MI与制造流程的数字连动、传感与数据截取、PINNs建构与实作、CPS自主优化基础、主要企业与研究机构30家分析、蓄电池、半导体与化学制程的自律型数字孪生，以及工厂与数据中心的能源连动优化。