模擬與機器學習 (Emulation and Machine
Learning)
統計模擬 (Statistical Emulation) 和機器學習 (Machine
Learning) 廣泛用於預測和理解工程模擬和測試中複雜系統的行為。機器學習模型(又稱模擬器,Emulator)能快速預測系統反應,可用於校準 (Calibration)、靈敏度分析 (Sensitivity
Analysis) 和不確定性傳播 (Uncertainty Propagation) 等各種密集型分析。
SmartUQ的突破性模擬算法 (Emulation Algorithms) 打破了將模型適配到大型數據集和高維度系統的障礙,為不確定性量化 (Uncertainty
Quantification) 和分析開啟了新的可能性。我們的專利待批技術能輕鬆處理連續和離散輸入,並能建立具有單變量、多變量、瞬態和功能性輸出的輕量級模擬器。而且速度驚人。
什麼是模擬和機器學習?
模擬器是統計機器學習模型,能夠模仿複雜物理或模擬系統對一組輸入的輸出。建立準確高速的模擬器是分析和不確定性量化任務的關鍵一步。從模擬或物理測試到模擬器的轉變,顯著提高了系統評估速度,並相應減少了成本,使得原本過於緩慢或昂貴的任務成為可能。高速預測系統輸出在任何輸入配置下的價值對於設計空間探索 (Design Space
Exploration)、優化 (Optimization)、校準、靈敏度分析和不確定性傳播至關重要。
對於大型和複雜的系統,例如噴射引擎的模擬或測試,模擬帶來的優勢更加明顯。雖然統計模擬器在許多挑戰中顯示出前景,但在應用於大規模或高維度問題時會遇到嚴重的數值問題。因此,使用大型和複雜數據集建立模擬器普遍被認為是分析和不確定性量化的一個關鍵瓶頸。
大規模模擬 (Large Scale Emulation)
SmartUQ擁有改變遊戲規則的大型數據集模擬技術,適用於多維數據。我們準確的模擬技術可以快速繪製出複雜系統的整個輸入到輸出空間。我們可以在幾秒鐘內適配一個1000
點的模擬器,幾分鐘內適配一個4000點的模擬器,僅在標準筆記本電腦上進行。使用之前的方法來為相同數據集建立模擬器可能需要數小時甚至數天。