モデル不確実性の定量化：キャリブレーション、モデルの不一致、および同定可能性

物理システムのエンジニアリング設計に予測モデルを使用するためには、まずシミュレーションデータと実験データの両方を用いたモデル更新技術によってモデルの不確実性を定量化する必要があります。キャリブレーションはコンピュータモデルの未知のキャリブレーションパラメータを調整するためによく使用されますが、不一致関数を追加することで、すべてのキャリブレーションパラメータが知られている場合でも存在する基礎的な物理の欠如や数値近似、その他の不正確さによるモデルの不一致をキャプチャすることができます。モデル更新における主要な課題の一つは、キャリブレーションパラメータとモデル不一致の影響を区別することの難しさです。我々はこの同定可能性の問題をいくつかの例で示し、その背後にあるメカニズムを説明し、システムが同定可能であるかどうかを明らかにすることを試みます。場合によっては、緩い仮定の下で同定可能性が達成されることもありますが、他のケースではほとんど不可能です。関連論文では、共通のキャリブレーションパラメータのセットに依存する複数の応答を使用することで同定可能性が大幅に向上することを示します。