ISOMORPH：用于仿真、数据集生成和预测基准的供应链数字孪生

开放时间序列预测 (TSF) 基准涵盖零售、能源、天气和交通，但供应链物流仍然服务不足。我们推出 ISOMORPH，这是多级物流网络的第一个公共数字孪生，具有可解释、用户可配置的参数以及模块化拓扑、需求和控制规则。模拟器在离散时间内推进有向路由图：需求由库存满足或记录为积压，并触发整个网络的补货。该州跟踪库存、未完成订单、在途发货和平滑的需求估计，在易于处理的州空间上​​产生马尔可夫动态。发布的数据以经验一致的幅度再现了牛鞭效应，而三个守恒定律为模拟器扩展提供了验证工具。我们以两个目录规模（$C=50$ 和 $C=200$）发布数据集，并在 $C=50$ 上提供 33 个部署场景库。这些数据集表现出固定 TSF 基准基本上不存在的动态，包括方差放大、级联瓶颈、政权转变以及通过共享宏观冲击进行的跨渠道耦合。根据三个领域内训练的基线（ARIMA、ETS、PatchTST）对三个基础模型（Chronos、Moirai、TimesFM）进行零样本评估，涵盖四个目标：需求、积压、填充率和边缘利用率。与 ETTh1、电力和天气的比较表明，ISOMORPH 引入了与标准现实世界 TSF 基准不同的预测机制，将其定位为补充的、可再生的物流领域基准。相同的配对产生跨场景配置的预测置信带，从参数不确定性中提供前向 UQ，并展示基础模型作为基于数字孪生的 UQ 的快速替代。代码（麻省理工学院）：https://github.com/tuhinsahai/ISOMORPH。互动演示：https://huggingface.co/spaces/HyeminGu/ISOMORPH-demo。