Scalable Algorithms for Bayesian Inference of Large-Scale Models from Large-Scale Data
Scalable Algorithms for Bayesian Inference of Large-Scale Models from Large-Scale Data
复制标题
用于从大规模数据进行大规模模型的贝叶斯推理的可扩展算法
DOI：
10.1007/978-3-319-61982-8_1
复制
发表时间：
2017
期刊：
影响因子：
--
通讯作者：
Stadler, Georg
中科院分区：
文献类型：
--
作者：
Ghattas, Omar;Isaac, Toby;Petra, Noemi;Stadler, Georg
当今计算科学和工程领域面临的最大挑战之一是如何将复杂的数据与复杂的模型相结合，以创建更好的预测。这一挑战跨越了CS&E的每个应用领域，从地球科学、材料、化学系统、生物系统和天体物理学到航空航天、运输、结构、电子、生物医学等领域的工程系统。许多这些系统的特点是复杂的非线性行为耦合多个物理过程在很宽的范围内的长度和时间尺度。这些系统的数学和计算模型通常包含许多不确定的参数，使得高可靠性的预测建模成为一个挑战。随着观测数据量的快速增长，以及HPC能力的巨大增长，通过解决大规模逆问题，可以减少这些不确定性。
One of the greatest challenges in computational science and engineering today is how to combine complex data with complex models to create better predictions. This challenge cuts across every application area within CS&E, from geosciences, materials, chemical systems, biological systems, and astrophysics to engineered systems in aerospace, transportation, structures, electronics, biomedicine, and beyond. Many of these systems are characterized by complex nonlinear behavior coupling multiple physical processes over a wide range of length and time scales. Mathematical and computational models of these systems often contain numerous uncertain parameters, making high-reliability predictive modeling a challenge. Rapidly expanding volumes of observational data—along with tremendous increases in HPC capability—present opportunities to reduce these uncertainties via solution of large-scale inverse problems.
登录
查看更多内容
2:1 八叉树平衡的低成本并行算法
DOI：
--
发表时间：
2012
期刊：
IEEE International Parallel and Distributed Processing Symposium
影响因子：
--
作者：
T. Isaac;Carsten Burstedde;O. Ghattas
通讯作者：
O. Ghattas
耦合准静态孔隙弹性联合反演
DOI：
10.1002/2013jb010272
发表时间：
2014
期刊：
Journal of Geophysical Research: Solid Earth
影响因子：
--
作者：
M. Hesse;G. Stadler
通讯作者：
G. Stadler
由偏微分方程控制的贝叶斯反问题的极端规模 UQ
DOI：
--
发表时间：
2012
期刊：
International Conference for High Performance Computing, Networking, Storage and Analysis
影响因子：
--
作者：
T. Bui;Carsten Burstedde;O. Ghattas;James Martin;G. Stadler;L. Wilcox
通讯作者：
L. Wilcox
非线性地幔流模型中板块耦合的伴随估计：理论与实例
影响因子：
2.8
作者：
V. Ratnaswamy;G. Stadler;M. Gurnis
通讯作者：
M. Gurnis
用于解决高非均质粘度斯托克斯流问题的加权 BFBT 预处理器
DOI：
10.1137/16m108450x
发表时间：
2016
期刊：
ArXiv
影响因子：
--
作者：
J. Rudi;G. Stadler;O. Ghattas
通讯作者：
O. Ghattas