AMK-MCS-AEFF

AMK-MCS-AEFF 工具提供了一个稳健的 MATLAB 实现，该实现是一种专门为可靠性分析量身定制的主动学习方法。其核心是利用一个多保真度 Kriging 代理模型，这是一种先进技术，能够高效地整合来自不同来源或不同保真度（例如，快速但精度较低的模型与慢速但精度较高的模型）的模拟数据。这一方法论优势显著降低了传统可靠性分析通常所需的计算开销，因为传统分析往往需要大量昂贵的高保真度计算。

该工具在众多科学和工程学科中具有广泛的应用前景，在这些学科中，不确定性的精确量化、高效代理模型的开发以及复杂设计空间的智能探索至关重要。在多物理场耦合仿真等前沿领域，AMK-MCS-AEFF 可用于计算关键目标量的多保真度预测器均值和方差，从而有助于高效识别能最大化预期改进的最佳点或设计。在数字孪生和信息物理系统应用中，该工具有助于设计先进的多保真度建模策略和推导成本感知采集函数，这对于优化数据收集活动以及确保模型的及时准确更新至关重要。其效用还扩展到材料化学领域，通过实现高级采集函数（例如 Knowledge Gradient）的推导，支持生成式 AI 和逆向设计等前沿领域的材料发现，这对于序贯合金发现过程至关重要。此外，在计算工程领域，AMK-MCS-AEFF 通过其多保真度建模和分层验证能力，为复杂模型的验证与确认提供了一个稳健的框架，允许跨不同保真度级别系统性地积累证据，以建立可信的预测。该工具的能力也与地球与环境科学相关，尤其适用于环境污染和生态建模，通过增强复杂环境系统的可靠性评估，为空间统计和地球科学分析提供了一种强大的方法。