최적화 기반 기초 매개변수 식별을 통한 효율적인 접근: 비교 분석 및 새로운 복합 베이즈 최적화 전략

본 연구에서는 역 문제를 해결하기 위한 최적화 기반 기법을 검토하고 탐구하며, 특히 재료 모델링 영역 내에서 평가 비용이 비싼 블랙박스 함수가 제기하는 문제를 다릅니다. 우리의 주요 목적은 두 가지입니다: 첫째, 다양한 최첨단 최적화 알고리즘을 분석적, 수치적 및 실험적 해결책에서 파생된 목표 응답을 활용하여 철저히 비교합니다. 이러한 방법의 성능은 복잡한 기초 모델에 대한 자료 매개변수의 정확한 보정에서 추가적으로 평가됩니다. 예를 들어, 비정질 폴리머에 대한 유한 변형 점성-탄성 점성-소성 모델과 마르텐사이트 변환을 가진 결정 소성 모델이 있습니다. 둘째, 유한 요소 응답에 맞게 조정된 혁신적인 복합 베이즈 최적화 전략을 제시하여 최적화 프레임워크 내 서브리게이트 모델의 품질을 향상시킵니다. 우리의 수치 결과는 이 기법이 다른 방법들에 비해 우수한 성능을 보이며, 함수 평가의 일부만으로도 요구된다는 것을 입증합니다. 참조 곡선의 샘플 수에 대한 접근법의 민감성을 인식하고, 우리는 이 전략과 관련된 계산 비용을 완화하기 위한 응답 축소 알고리즘을 제안하여 방법의 전반적인 효율성을 더욱 최적화합니다. 제안된 접근법은 자료 매개변수의 정확하고 효율적이며 감독되지 않은 보정을 제공하여 매개변수 식별에서 시간이 많이 소요되는 시행착오 방법의 필요성을 줄입니다.