| vedoucí týmu | prof. Ing. Jan Eliáš, Ph.D. |
| milníky | M2.2.2 – ukončení teoretického vývoje náhradní modelů s fyzikálním omezením založených na strojovém učení (M34) |
| partneři (zapojení) | VUT (80 %), ÚGN (20 %) |
| publikační výstupy | 4 × Jrec/Jimp |
Popis aktivity
V rámci výše zmíněného konceptu multi-fidelity modelování budou vyvinuty a vhodně implementovány modely založené na datech, umělých neuronových sítích a polynomiálním chaosu. Předpokládá se také implementace tzv. souboru neuronových sítí (neural networks ensemble). Pro případ řešení komplexního problému s mnoha vstupními proměnnými bude zapojen koncept daty řízené redukce dimenzionality, který poskytne transformaci mapující původní vstupní prostor do prostoru s nižší dimenzionalitou. Umělá inteligence bude rovněž použita k nahrazení výpočetně náročného řešení periodické jednotkové buňky v homogenizovaných modelech rychlým náhradním modelem. Jako kritické se u náhradních modelů jeví zavedení fyzikálních omezení, například zajištění kladné disipace energie či nezávislost na rotaci souřadnicového systému. Proto bude část výzkumu věnována právě zavádění takovýchto omezení do náhradních modelů umělé inteligence.