Teknologi.Bagian dari ensiklopedia.onlineCari/
BerandaKomputasi & perangkat lunakCAREER: Advancing Efficient Global Optimization of Extremely Expensive Functions under Uncertainty using Structure-Exploiting Bayesian Methods
Proyek riset & pengembangan

CAREER: Advancing Efficient Global Optimization of Extremely Expensive Functions under Uncertainty using Structure-Exploiting Bayesian Methods

Ringkasan tujuan riset

Optimasi Bayesian grey-box diteliti untuk fungsi yang mahal dan noisy, memanfaatkan struktur masalah serta pengetahuan awal agar percobaan atau simulasi dapat diarahkan lebih efisien.

Komputasi & perangkat lunak1 rujukanProfil diperbarui
Lihat rujukanBandingkan proyek
Linimasa NSF 2621493Periode tercatat 2026-02-15 sampai 2028-07-31.NSF 2621493MulaiAkhir tercatat202620292026-02-152028-07-31
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.

Model hibrida fisika-data menangani dataset tidak lengkap dan bising. Model multifidelitas berkendala menggabungkan sumber dengan biaya serta ketepatan berbeda. Formulasi nonmyopic dan graph-structured menargetkan dimensi tinggi serta data jarang. Evaluasi diarahkan pada mekanisme sel, bahan elektroda baterai, dan energi HVAC industri. Riset menguji apakah pengetahuan domain mengurangi kebutuhan belajar dibanding black-box BO, dengan speed dan akurasi sebagai metrik utama.

Baca uraian penerbit

Konteks pengembangan

Institusi penerima pada catatan
University of Wisconsin-Madison
Program
Proc Sys, Reac Eng & Mol Therm
Periode pendanaan tercatat
2026-02-15 → 2028-07-31

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

Klasifikasi NSF

  • Directorate for Engineering
  • Chemical, Bioengineering, Environmental, & Transport Systems

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.