統計模擬與機器學習廣泛用於預測和理解複雜系統的行為，例如工程模擬與測試中常見的系統。機器學習模型（即模擬器）能快速預測系統反應，可應用於校準、敏感性分析及不確定性傳播等各類密集型分析。
SmartUQ
的突破性模擬演算法打破了將模型擬合於大型數據集與高維系統的障礙，為不確定性量化與分析開創了新可能。我們的專利技術可輕鬆處理連續與離散輸入，並快速構建適用於單變量、多變量、瞬態及函數性輸出的輕量模擬器，效能驚人。
什麼是模擬與機器學習？
模擬器是統計機器學習模型，用於模仿複雜物理或模擬系統在一組輸入下的輸出結果。構建準確的高速模擬器是進行分析和不確定性量化任務的關鍵步驟。從模擬或物理測試轉向模擬器能顯著提高系統評估速度，並降低成本，讓許多原本過於緩慢或昂貴的任務成為可能。這種高速預測系統輸出能力對於設計空間探索、優化、校準、敏感性分析及不確定性傳播等應用價值巨大。
系統越大、越複雜，例如噴氣引擎的模擬或測試，模擬的優勢越明顯。然而，統計模擬器在應對大型或高維問題時常遇到數值問題，構建適用於大型複雜數據集的模擬器是分析與不確定性量化中的關鍵瓶頸。
大規模模擬
SmartUQ
提供針對大型數據集與多維系統的革命性模擬技術。我們的精確模擬技術能快速繪製出整個輸入至輸出的系統映射。例如，在普通筆記型電腦上，我們可於數秒內擬合 1000 點模擬器，於數分鐘內擬合 4000 點模擬器，而傳統方法可能需要數小時甚至數天。
範例
