تعد الأنظمة متعددة الأبعاد التي تتعامل مع المخرجات عبر الزمن والمكان واحدة من أكبر التحديات في الحوسبة الحديثة، حيث تتطلب تحليلاتها موارد حوسبية هائلة. في ورقة بحثية جديدة، تم تطوير طريقة مبتكرة للنمذجة التعويضية (Surrogate Modeling) تتكيف مع هذه التحديات.

تتمثل الفكرة الأساسية في استخدام تقنيات تخفيض الأبعاد (Dimension Reduction) لتحويل البيانات المعقدة ذات الأبعاد العالية إلى فضاء أقل أبعادًا، مما يسهل عملية تنفيذ النماذج التعويضية. هذه العملية لا تساهم فقط في تسريع التحليلات، بل تتيح أيضًا تحليل عدم اليقين والتحسين بشكل أكثر فعالية.

عند إجراء التحليلات، يتم تقييم خطأ التوقع في الفضاء الأصلي باستخدام مجموعة من المقاييس المختلفة، مما يضمن دقة عالية للنماذج. لمواجهة التحديات المتعلقة بالاستجابة البطيئة للنماذج المستندة إلى الفيزياء، تم تقديم تقنية جديدة لجمع العينات بشكل متكيف تجمع بين الاستكشاف والاستغلال، بهدف تحسين دقة نموذج التعويض بأقل عدد ممكن من التجارب.

تم اختبار هذه الطريقة الجديدة من خلال تحليل حراري-ميكانيكي (Thermo-mechanical Analysis) لشفرات محركات التوربينات الغازية، حيث أثبتت فعاليتها في تحسين نتائج التحليلات الضخمة والمرهقة.