sàng lọc dự đoán và thí nghiệm máy tính

Đây là một bài viết tiếng Anh mang phong cách học thuật về chủ đề *Sàng lọc, Dự đoán, và thí nghiệm máy tính*:

---

# Sàng lọc, Dự đoán, và thí nghiệm máy tính: Những tiến bộ trong mô hình tính toán

## Tóm tắt
Thí nghiệm máy tính đã trở thành công cụ không thể thiếu cho khám phá khoa học và tối ưu hóa công nghiệp. Bài viết này xem xét các phương pháp chính trong việc sàng lọc các yếu tố ảnh hưởng, xây dựng mô hình dự đoán, và thiết kế các thí nghiệm máy tính hiệu quả. Chúng tôi thảo luận về mô phỏng quy trình Gaussian, kỹ thuật phân tích độ nhạy, và các chiến lược thiết kế tuần tự kết nối mô phỏng với các ứng dụng trong thế giới thực.

## 1. Giới thiệu
Với sự tăng trưởng theo cấp số nhân của sức mạnh tính toán, các mô phỏng quy mô lớn hiện bổ sung—và đôi khi thay thế—các thí nghiệm vật lý trong các lĩnh vực từ kỹ thuật hàng không vũ trụ đến khám phá thuốc. Tuy nhiên, các mô hình tính toán phức tạp thường đòi hỏi các phương pháp thống kê phức tạp để:
1) *Sàng lọc* các biến đầu vào quan trọng từ không gian tham số chiều cao;
2) *Dự đoán* hoạt động của hệ thống bằng cách sử dụng các lần chạy mô phỏng giới hạn;
3) *Tối ưu hóa* thiết kế thử nghiệm cho các mô hình có chi phí tính toán cao.

## 2. Kỹ thuật sàng lọc
2.1 Phân tích độ nhạy
Các phương pháp độ nhạy toàn cầu như chỉ số Sobol [1] định lượng mức độ biến đổi đầu vào ảnh hưởng đến độ không đảm bảo đầu ra. Hiệu ứng cơ bản (Phương pháp Morris) cung cấp sàng lọc hiệu quả về mặt tính toán cho các mô hình với >100 Thông số [2].

2.2 Lựa chọn biến
Hồi quy chính quy (LASSO) và các thuật toán dựa trên cây (Rừng ngẫu nhiên) tự động xác định các yếu tố không ảnh hưởng trong các vấn đề nhiều chiều [3].

## 3. Mô hình dự đoán thông qua mô phỏng
Quá trình Gaussian (bác sĩ gia đình) hồi quy đã nổi lên như là tiêu chuẩn vàng cho mô hình thay thế:

$$f(\toán học{x}) \sim \mathcal{bác sĩ gia đình}\to lớn(tôi(\toán học{x}), k(\toán học{x}, \toán học{x}')\to lớn)$$

$k ở đâu(\cdot,\cdot)$ chi phối mối tương quan không gian giữa các điểm thiết kế [4]. Những tiến bộ gần đây bao gồm:
- Học hạt nhân sâu cho các quy trình không cố định
- Mô hình hóa đa độ trung thực kết hợp mô phỏng giá rẻ/độ chính xác thấp và mô phỏng đắt tiền/độ chính xác cao

## 4. Chiến lược thiết kế thử nghiệm
4.1 Thiết kế lấp đầy không gian
Lấy mẫu Hypercube Latin (LHS) và chuỗi Sobol đảm bảo bao phủ đồng đều không gian đầu vào [5].

4.2 Lấy mẫu thích ứng
Cải thiện dự kiến (KHÔNG) Cân bằng tiêu chí thăm dò và khai thác trong thiết kế tuần tự [6]:

$$\chữ{KHÔNG}(\toán học{x}) = \mathbb{E}\to lớn[\Tối đa(f_{\phút} - Y(\toán học{x}), 0)\to lớn]$$

## 5. Nghiên cứu điển hình
Khí động học: Trình giả lập GP giảm chi phí mô phỏng CFD bằng cách 92