模型训练难不难？模型校准如何实现？SmartUQ机器学习轻松搞定

导读：“人工智能AI及数字孪生的机器学习与仿真报告会”分三期举办。目前已举办2期，在仿真秀官网支持反复回看。5月29日20时（周三）SmartUQ官方资深的应用工程师和数据科学家继续在仿真秀带来机器学习和仿真的第三期讲座《减小仿真与测试差距的机器学习》线上报告。

本次在线讲座将介绍SmartUQ中的仿真验证和校准，及机器学习（ML）模型到物理参数校准工具，包括频率模式和贝叶斯统计校准模式。用户通过本次讲座，您将切实了解到SmartUQ对解决工程问题的现实影响。以下是正文：

一、仿真模型验证与校准

仿真在各行各业广泛应用所产生的价值不言而喻，但仿真的有效使用仍然面临着挑战.仿真模型当然只有在结果与物理数据（例如测试或实验数据）高度吻合的情况下才有意义。模型验证用于确定仿真和物理数据间的一致性水平，而模型校准则是负责解决两者间的不一致，SmartUQ提供用于验证、校准的专业数据匹配和统计校准工具。

传统的仿真模型校准典型方法只关注手动过程或优化驱动的参数不确定性，其目标是找到模型参数的最佳值，以获得与可用物理数据最接近的一致性，该方法通常可能非常耗时，而且更糟的是往往不大成功，究其原因，是因为这种方法忽略了仿真和物理数据间的模型形式误差不一致所起的作用。典型的例子是，如果在需要非线性材料模型的情况下选择了线性材料模型，则可能根本无法获得与物理数据非常一致结果的参数。

SmartUQ不仅提供解决参数不确定性的数据匹配工具，而且SmartUQ的统计校准工具允许同时考虑参数和模型形式不确定性的校准，统计校准还能够考虑物理数据噪声所导致的校准结果的不确定性。SmartUQ的独特的统计工具校准在全世界航空，汽车，芯片，能源和许多行业得到了广泛应用。

二、SmartUQ的统计校准训练

SmartUQ的统计校准训练两种ML模型，其一类似于数据匹配的方式，以消除参数的不确定性。其二是差异模型，用于对第一种模型和物理数据间的剩余差异进行建模。差异模型有两类主要用途：一方面，差异模型的结果可以添加至第一种模型的结果中（消除了参数的不确定性），如图1所示，以这种方式，来自差异模型的预测充当第一种模型的预测校正因子；另一方面，差异模型也可用于分析，因此，差异模型的另一个用途是用于验证，例如，图1所示可清楚地辨别出哪里需要较小的校正因子（模型与物理数据很好地一致），而哪里又需要较大的校正系数（模型与实际数据不太一致）。SmartUQ所提供的工具和分析功能有助于识别不一致的主要贡献部分，例如，对差异模型进行灵敏性分析，以了解哪种输入对与物理数据的不一致负有最大责任。

Figure 1: SmartUQ MultiView of a statistically calibrated model with 4physical inputs (X1-X4) and 1 output, Y. The first row of plots represents themodel with parameter uncertainty eliminated. The second row of plots representsthe prediction from the discrepancy model. The third row of plots is the sum ofthe first two, that is the first model’s prediction corrected by the predictionfrom the discrepancy model.

SmartUQ的统计校准可选择频率模式或贝叶斯方法。在频率表方法中，提供了用于每个校准参数的特定“最佳”值。在贝叶斯方法中，为每个校准参数提供了类似图2所示的分布展示形式。

Figure2: Prior distributions (blue) and posterior distributions (orange)following Bayesian calibration. Note the uncertainty in the correct value ofthe calibration parameters has been greatly reduced.

欢迎参加SmartUQ系列讲座，本次讲座涵盖典型机器学习, 不确定分析和模型验证与校准工作流所需的工具，包括SmartUQ演示和客户用例示例，通过本次讲座，您将切实了解到SmartUQ对解决工程问题的现实影响。

三、机器学习与仿真报告会

2024年5月10日-29日，仿真秀将联合SmartUQ官方资深的应用工程师和数据科学家组织3场机器学习与仿真的线上系列报告，它们分别是：

报告一：仿真/测试和数字孪生的现代实验设计和数据采样

报告二：快速、准确和全面的SmartUQ机器学习模型

报告三：减小仿真与测试差距的机器学习

以上报告涵盖典型机器学习ML和UQ工作流所需的工具，包括SmartUQ演示和客户用例示例等。

2024SmartUQ机器学习与仿真（三）：减小仿真与测试差距的机器学习-仿真秀直播

5月29日20时，由仿真秀和SmartUQ联合主办的人工智能AI及数字孪生的机器学习与仿真报告会第三场讲座《减小仿真与测试差距的机器学习》将讲解SmartUQ中的仿真验证和校准，及机器学习（ML）模型到物理参数校准工具，包括频率模式和贝叶斯统计校准模式。欢迎仿真、测试数据或数据孪生相关的工程师及技术人员报名。

四、关于SmartUQ

SmartUQ是一款专业的现代工程机器学习和统计工具。

它可用于仿真和数字孪生精确代理模型构建及校准，具有数据采样、DOE试验设计、机器学习、统计优化、灵敏度分析、不确定性影响评估、统计校准、逆向分析等功能，能够基于仿真数据、制造数据、运营数据或测试数据获得数字孪生、人工智能等所需的代理模型，并通过不确定性评估考虑代理模型的偏差从而对代理模型进行校准，以便最大程度地让已有数据发挥其价值。可应用于汽车、航空航天和国防、涡轮机械、重型设备、医疗设备、半导体、能源、石油和天然气、HVAC等领域。