若要從 CAE模擬 中獲得最大效益，不僅需要有效利用可用的模擬預算，還必須驗證模擬產生的結果是否與現實相符。本次網路研討會將討論實驗設計、預測性機器學習模型（亦稱為代理模型）以及統計校準等機器學習工具，在將
CAE模擬 校準至物理數據、驗證其準確性以及最大化從中使用所獲得的知識方面所扮演的角色。上述所有內容也結合在一起，實現基於
CAE模擬 的數位分身。
數位分身必須是物理現實的快速且準確的呈現。雖然經過適當校準的 CAE模擬
可以提供所需的準確度，但它缺乏數位分身模型與其實體對應物即時運作所需的預測速度。在 SmartUQ 中，具有同類最佳預測準確度的代理模型可以輕鬆地針對
CAE模擬 進行訓練並校準至物理數據，從而產生快速且準確的數位分身。
歡迎參加本次網路研討會，SmartUQ 首席應用工程師 Gavin Jones 將介紹 SmartUQ 在 CAE模擬 和數位分身應用中的使用。我們也將展示並討論客戶使用案例以及
SmartUQ 與 CAE模擬 整合的能力。
