模擬在工程活動中扮演著不可或缺的角色，幫助達成快速原型設計、設計與流程優化，以及在不需要昂貴的實體測試的情況下分析複雜系統。然而，有效運用模擬仍面臨諸多挑戰，包括：
- 運算時間過長：這使得像是優化、敏感性分析與不確定性量化等統計或反覆運算的任務變得難以執行。
- 因不確定性導致的模擬結果不準確：來源包括初始條件、模型參數、模型形式、製造過程以及操作環境等。
- 難以校正至真實數據：例如測試結果與感測器數據的比對與調整。
代理建模（Surrogate Modeling）是一種可以解決上述問題的有效方法。代理建模的原理是先透過機器學習（ML）模型來預測模擬的結果，並利用該模型取代傳統模擬進行所需的分析。機器學習模型能快速預測模擬結果，從而大幅縮短分析所需的時間，並允許進行更多的分析。
代理建模的成功關鍵在於訓練速度快和預測精準度高。若沒有速度，隨著問題規模與複雜性增加，模型的訓練將變得不可行；若沒有高準確度，模型的預測結果將帶有過多的不確定性，難以使用。更糟糕的是，若預測不準確，可能導致基於錯誤資訊所做的決策，進而造成災難性後果。
SmartUQ 提供業界領先的機器學習模型，解決速度與準確度的需求。此外，SmartUQ 的優勢還體現在其靈活性，擁有許多專為工程模擬常見情境設計的獨特機器學習模型。
歡迎加入本次網路研討會！由 SmartUQ 首席應用工程師 Gavin Jones 為您介紹 SmartUQ 的快速、精準且靈活的代理模型，探索如何利用其在工程模擬中脫穎而出。
