アクティブラーニングがデジタルツインのデータ駆動型縮約モデルを強化

本論文では、デジタルツインで使用される縮約モデル（ROM）の効率と精度を向上させるための貴重なアクティブラーニングフレームワークが提示されています。トレーニングパラメータをインテリジェントに選択することで、この方法はランダムサンプリングと比較してROMの安定性と精度を向上させ、複雑なシミュレーションにおける計算コストを削減する可能性があります。ベイズ演算子推論アプローチは、信頼性の高い予測に不可欠な不確実性定量化のための確率的フレームワークを提供します。