Modellazione surrogata adattiva per output spazio-temporali ad alta dimensionalità
Un metodo di modellazione surrogata adattiva di nuova concezione affronta l'elevato costo computazionale dell'analisi di sistemi multifisici spazio-temporali con output ad altissima dimensionalità. La tecnica applica innanzitutto un metodo di riduzione dimensionale per proiettare l'output ad alta dimensionalità in uno spazio latente a bassa dimensionalità, quindi costruisce il modello surrogato all'interno di tale spazio ridotto. L'errore di previsione nello spazio originale, che combina l'errore di ricostruzione derivante dalla riduzione dimensionale e l'errore del modello surrogato stesso, viene valutato utilizzando diverse metriche di errore. Questo approccio è progettato per migliorare l'efficienza computazionale in flussi di lavoro come la quantificazione dell'incertezza e l'ottimizzazione, che richiedono numerose valutazioni del modello. L'articolo è disponibile come preprint arXiv con identificativo 2608.17250.
Fatti principali
- L'articolo sviluppa un metodo di modellazione surrogata adattiva per output spazio-temporali ad alta dimensionalità.
- I sistemi multifisici spazio-temporali sono computazionalmente costosi e coinvolgono molti input e output.
- I modelli surrogati sostituiscono i modelli basati sulla fisica per raggiungere l'efficienza computazionale.
- Un metodo di riduzione dimensionale mappa l'output ad alta dimensionalità in uno spazio latente a bassa dimensionalità.
- Il modello surrogato viene costruito nello spazio a bassa dimensionalità.
- L'errore di previsione nello spazio originale include sia l'errore di ricostruzione che l'errore del modello surrogato.
- Diverse metriche di errore vengono utilizzate per valutare l'errore di previsione.
- Il metodo è rivolto ad applicazioni come la quantificazione dell'incertezza e l'ottimizzazione che richiedono molte chiamate di funzione.
Entità
—