урьдчилан таамаглаж, компьютерийн туршилтыг үзэх

Энд * дэлгэцийн сэдэв дээр ACCION-SPING Англи хэлний англи нийтлэл, Урьд урьдлагдсан, болон компьютерийн туршилтууд *:

---

# Дэлгэц авах, Урьд урьдлагдсан, болон компьютерийн туршилтууд: Тооцооллын загварчлалын урьдчилгаа

## Хийсвэр
Компьютерийн туршилт нь шинжлэх ухааны нээлт, аж үйлдвэрийн оновчтой болгох чадвартай хэрэгсэл болж хувирдаг. Энэхүү баримт бичиг нь нөлөөлж буй нөлөө бүхий хүчин зүйл дэх гол аргачлалыг хянаж үздэг, урьдчилан таамаглах загваруудыг барих, үр ашигтай компьютерийн туршилтыг зохион бүтээх. Бид Гауссын үйл явцын талаар ярилцаж байна, Мэдрэмжийн шинжилгээний техник, Бодит ертөнцтэй гүүр зохиосон дизайны стратеги.

## 1. Оршил
Тооцооллын хүчний экспоненциаль өсөлттэй, том хэмжээний симуляци нь одоо эмгэнэлтэй, заримдаа эмийн орлогоос хамааран идэвхитэй инженерийн физик хэлбэрээр ажилладаг. Гэхдээ, Тооцоолох нарийн төвөгтэй загварууд ихэвчлэн нарийн төвөгтэй статистикийн арга барилыг шаарддаг:
1) *Дэлгэц * Өндөр хэмжээст параметрийн орон зайнаас SCILL CHENTION CONDIONS-ийн хувьсагчууд;
2) *Хязгаарлагдмал симуляци гүйлтийг ашиглан системийн зан үйл;
3) *Тооцоолохдоо үнэтэй загваруудын туршилтын загварыг оновчтой болгох.

## 2. Үзлэг хийх арга техник
2.1 Мэдрэмжийн дүн шинжилгээ
Sobol индексүүд шиг дэлхийн мэдрэмтгий байдлын аргууд [1] Оролтын хувьсагч нь EXTALTATION-тэй хэрхэн нөлөөлж байгаагаа илэрхийлнэ. Ахар нөлөө (Моррис арга) загваруудыг тооцоолохдоо тооцоолох үр дүнтэй үзлэгээр хангах >100 Пүринтри [2].

2.2 Хувьсах сонголт
Тогтмол регресс (Зasso) модонд суурилсан алгоритмууд (Санамсаргүй) өндөр хэмжээст бус асуудлаар нөлөөлж бус хүчин зүйлүүдийг автоматаар тодорхойлох [3].

## 3. Эмуляцийг урьдчилан таамаглах загварчлал
Гауссын үйл явц (Гац) регресс нь Брурогат загварчлалын алтны стандарт болж гарч ирэв:

$$f(\матрын{x}) \sim \mathcal{Гац}\том(м(\матрын{x}), к(\матрын{x}, \матрын{x}Нууц ')\том)$$

хаана $ k(\Cition,\Cition)$ Дизайн цэгүүдийн хооронд орон зайн холболтыг удирддаг [4]. Сүүлийн үеийн урьдчилгаа багтсан болно:
- Гүн цөм нь суурин бус үйл явцыг сурч мэдсэн
- Хямдхан / бага нарийвчлалтай, үнэтэй / өндөртэй / өндөр үнэнч бус загварчлалыг хослуулсан олон үнэнч байдлын загварчлал

## 4. Туршилтын дизайны стратеги
4.1 Сансрын дүүргэх загвар
Латин Hypercube дээж авах (Lws) Соболын дараалал нь оролтын орон зайг жигд хамрахыг баталгаажуулдаг [5].

4.2 Дасан зохицох түүвэрлэлт
Хүлээгдэж буй сайжруулалт (-Гүй / -битгий) Шалгалтын үлдэгдлийн хайгуулын хайгуул [6]:

$$\сэдэв{-Гүй / -битгий}(\матрын{x}) = \mathbb{Би}\том[\Нарийн дээд биш(Ф_{\агнээ} - Ю(\матрын{x}), 0)\том]$$

## 5. Нөхцөл байдлын судалгаа
Аэродинамик: GP Эмуляторууд CFD симуляцийн зардлыг бууруулсан 92