Teknologi.Bagian dari ensiklopedia.onlineCari/
BerandaKomputasi & perangkat lunakCAREER: Unifying Scientific Knowledge with Machine Learning for Forward, Inverse, and Hybrid Modeling of Scientific Systems
Proyek riset & pengembangan

CAREER: Unifying Scientific Knowledge with Machine Learning for Forward, Inverse, and Hybrid Modeling of Scientific Systems

Ringkasan tujuan riset

Pembelajaran mesin berpandu pengetahuan ilmiah menggabungkan persamaan, data, dan koreksi residual untuk pemodelan maju, invers, serta hibrida sistem fisik.

Komputasi & perangkat lunak1 rujukanProfil diperbarui
Lihat rujukanBandingkan proyek
Linimasa NSF 2239328Periode tercatat 2023-07-01 sampai 2028-06-30.NSF 2239328MulaiAkhir tercatat202320292023-07-012028-06-30
Linimasa dan catatan proyek

Tanggal dan TRL menurut catatan penerbit. Akhir periode dan target bukan bukti hasil riset.

Teknologi · CC BY 4.0 · Sumber data

Apa tujuan dan pendekatan risetnya?

Profil ini merangkum ruang lingkup proyek yang dipublikasikan National Science Foundation (NSF). Sumber diakses . Uraian pendekatan dan manfaat menyatakan tujuan pengembangan, kecuali sumber secara khusus melaporkan hasil.

Algoritme curriculum learning dan resampling akan memadukan supervisi ilmiah dengan data agar prediksi mengikuti pengetahuan domain. Untuk model invers, pengetahuan model maju memandu pelatihan perkiraan parameter. Jaringan pengoreksi residual menangani bias sistematis sekaligus memungkinkan inferensi parameter model ilmiah. Metode dikaji pada dinamika fluida, aerosol, dan danau, dengan bentuk pengetahuan mulai persamaan diferensial parsial hingga aturan fenomenologis. Tujuannya mengatasi keterbatasan model teori maupun model data yang mengabaikan sains.

Baca uraian penerbit

Konteks pengembangan

Institusi penerima pada catatan
Virginia Polytechnic Institute and State University
Program
Info Integration & Informatics
Periode pendanaan tercatat
2023-07-01 → 2028-06-30

Proyek kolaboratif beberapa institusi diwakili oleh satu catatan penghargaan. Institusi di atas adalah penerima pada catatan tersebut.

Klasifikasi NSF

  • Directorate for Computer and Information Science and Engineering
  • Computing & AI Foundations

Label penerbit dipertahankan sebagai konteks. Bidang katalog merupakan pengelompokan editorial.

Apa yang diketahui tentang statusnya?

Status pendanaan menurut NSFAktif (catatan pendanaan NSF)

Catatan NSF tidak melaporkan tingkat kesiapan teknologi (TRL). Status pendanaan aktif atau berakhir bukan bukti keberhasilan riset.

Batas informasi

Profil merangkum tujuan dan pendekatan dalam abstrak pendanaan NSF. Status pendanaan tidak membuktikan keberhasilan riset, kesiapan teknologi, atau ketersediaan produk. Hasil dan performa belum diverifikasi secara independen; tinjauan ahli belum dilakukan.

Dasar profil

Metodologi dan batas pemeriksaan. Ringkasan berbahasa Indonesia disusun sebagai parafrasa editorial dengan pemeriksaan sumber primer oleh agen AI. Identitas, periode, serta status berasal dari catatan penerbit. Tinjauan ahli dan pengujian kinerja independen belum dilakukan; rujukan tidak menyiratkan dukungan atau sertifikasi NSF.