本プレゼンテーションでは、統計モデリングを応用して、複雑な物理モデルの感度分析と最適化をより効率的かつ効果的に行う方法について解説します。
物理モデルは、それが表現する現実そのものであるため、しばしば複雑になりがちで、感度分析を行うには多大なリソースが必要となり、最適化が非常に困難、あるいは不可能になる場合もあります。感度分析では、さまざまなシナリオを検討した後、モデルを用いて入力パラメータの最適値を決定します。多くの場合、このプロセスは単純ではなく、多くの異なるパラメータの組み合わせでモデルを実行する必要があります。
近年のプロジェクトでは、物理モデルの出力に基づいてサロゲートモデルを構築するための代表的なデータを選択する際に、実験計画法などの統計的手法を用いることの利点が強調されています。その後、JMPの予測プロファイラを使用して、サロゲートモデルの感度分析と最適化を実行します。この機能により、実験空間を集中的に探索することが可能になり、比較的短時間でさまざまなパラメータ間の関係を解明するのに役立ちます。このアプローチは、原子モデルと工学モデルの両方に成功裏に適用されています。
本プレゼンテーションでは、JMPにおける統計ツールの活用方法を紹介し、複雑な物理計算モデルから得られる価値を最大化する方法について解説します。
