Глоссарий ИИ
Полный словарь искусственного интеллекта
Deep Neural Operator
Architecture de réseau neuronal apprenant des mappings entre espaces de fonctions, capable de généraliser à différentes discrétisations et conditions aux limites en simulation physique.
Reduced Order Model
Technique de réduction dimensionnelle préservant les caractéristiques essentielles du système original tout en réduisant significativement le coût computationnel des simulations.
Polynomial Chaos Expansion
Méthode de représentation spectrale approximant la réponse d'un système par une combinaison linéaire de polynômes orthogonaux, efficace pour la propagation d'incertitudes.
Active Learning for Surrogates
Stratégie d'échantillonnage adaptatif sélectionnant intelligemment les points d'entraînement les plus informatifs pour améliorer l'efficacité des modèles de surrogation.
Multi-fidelity Modeling
Approche combinant des simulations de différentes précisions et coûts computationnels pour construire des modèles de surrogation précis et efficaces en termes de ressources.
Proper Orthogonal Decomposition
Méthode de décomposition modale identifiant les modes dominants d'un système physique pour construire des modèles réduits préservant l'énergie essentielle du système.
Radial Basis Function
Fonction d'interpolation utilisant des fonctions symétriques radiales pour construire des surfaces de réponse approximant des données multidimensionnelles en simulation.
Metamodeling
Construction de modèles simplifiés (méta-modèles) capturant les relations entrées-sorties de simulations complexes tout en réduisant drastiquement les temps de calcul.
Response Surface Methodology
Collection de techniques statistiques et mathématiques développant des modèles approximatifs de surfaces de réponse pour l'optimisation et l'analyse de sensibilité.
Transfer Learning for Physics
Adaptation de modèles pré-entraînés sur des domaines physiques similaires pour accélérer l'apprentissage de nouveaux modèles de surrogation avec moins de données.