摘要
J.T.Oden、R.M.Moser和O.Ghattas,“量化不确定性的计算机预测,第一部分和第二部分,” SIAM新闻 ,第43卷,第9号和第10号,2010年。 谷歌学者 J.Kaipio和E.Somersalo, 统计和计算反问题 ,序列号。 应用数学科学。 纽约:Springer-Verlag,2005年,第160卷。 谷歌学者 A.塔兰托拉, 模型参数估计的反问题理论与方法 宾夕法尼亚州费城:SIAM,2005年。 谷歌学者 数字图书馆 T.Bui Thanh和O.Ghattas,“Hessian反散射问题的分析。第二部分:声波的反介质散射,” 反问题 ,第28卷,第5期,第055002页,2012年。 谷歌学者 交叉引用 J.Martin、L.C.Wilcox、C.Burstede和O.Ghattas,“大规模统计反演问题的随机牛顿MCMC方法及其在地震反演中的应用” SIAM科学计算杂志 ,第34卷,第3期,第A1460--A1487页,2012年。 谷歌学者 交叉引用 A.M.Stuart,“逆向问题:贝叶斯观点” 数字学报 2010年,第19卷,第451-559页。 谷歌学者 交叉引用 T.Bui-Thanh、O.Ghattas、J.Martin和G.Stadler,“无限维贝叶斯反问题的计算框架。第一部分:线性化案例”,2012年提交。 谷歌学者 V.Akçelik、G.Biros和O.Ghattas,“反向波传播的并行多尺度Gauss-Newton-Krylov方法”,in IEEE/ACM SC2002会议记录 2002年11月,马里兰州巴尔的摩,SC2002最佳技术论文奖。 谷歌学者 数字图书馆 V.Akçelik、J.Bielak、G.Biros、I.Epanomeritakis、A.Fernandez、O.Ghattas、E.J.Kim、J.Lopez、D.R.O'Hallaron、T.Tu和J.Urbanic,“太规模计算机上的高分辨率正向和反向地震建模” SC03:高性能计算、网络、存储和分析国际会议论文集 ACM/IEEE,2003年,戈登·贝尔特殊成就奖。 谷歌学者 数字图书馆 I.Epanomeritakis、V.Akçelik、O.Ghattas和J.Bielak,“用于大规模三维弹性全波形地震反演的Newton-CG方法” 反问题 第24卷,第3期,第034015页(26页),2008年。 谷歌学者 L.C.Wilcox、G.Stadler、C.Burstede和O.Ghattas,“波在耦合弹性声学介质中传播的高阶非连续Galerkin方法” 计算物理杂志 ,第229卷,第24期,第9373-9396页,2010年。 谷歌学者 数字图书馆 T.Bui-Thanh和O.Ghattas,“逆散射问题的Hessian分析。第一部分:声波的逆形状散射” 反问题 ,第28卷,第5期,第055001页,2012年。 谷歌学者 交叉引用 N.Halko、P.Martinsson和J.Tropp,“寻找具有随机性的结构:构造近似矩阵分解的概率算法” SIAM审查 ,第53卷,第2期,第217--288页,2011年。 谷歌学者 数字图书馆 E.Liberty、F.Woolfe、P.Martinsson、V.Rokhlin和M.Tygert,“矩阵低阶近似的随机算法” 美国国家科学院院刊 ,第104卷,第51期,第20167页,2007年。 谷歌学者 交叉引用 H.P.Flath、L.C.Wilcox、V.Akçelik、J.Hill、B.van Bloemen Waanders和O.Ghattas,“基于低秩部分Hessian近似的大规模线性反问题中贝叶斯不确定性量化的快速算法” SIAM科学计算杂志 2011年,第33卷,第1期,第407--432页。 谷歌学者 数字图书馆 D.Colton和R.Kress, 逆声散射和电磁散射 ,第2版,第。 应用数学科学,第93卷。 柏林,海德堡,纽约,东京:施普林格-弗拉格出版社,1998年。 谷歌学者 D.Komatitsch、S.Tsuboi、C.Ji和J.Tromp,“地球模拟器上146亿自由度、5万亿次浮点、2.5万亿字节的地震模拟” SC03:高性能计算、网络、存储和分析国际会议论文集 ACM/IEEE,2003年。 谷歌学者 数字图书馆 L.Carrington、D.Komatitsch、M.Laurenzano、M.M.Tikir、D.Michéa、N.L.Goff、a.Snavely和J.Tromp,《在62K处理器上使用SPECFEM3D GLOBE对全球地震波传播进行高频模拟》 SC08:高性能计算、网络、存储和分析国际会议记录 .ACM/IEEE,2008年。 谷歌学者 数字图书馆 Y.Cui、K.B.Olsen、T.H.Jordan、K.Lee、J.Zhou、P.Small、D.Roten、G.Ely、D.K.Panda、A.Chourasia、J.Levsque、S.M.Day和P.Maechling,“PB级超级计算机上的可扩展地震模拟” SC10:高性能计算、网络、存储和分析国际会议记录 ACM/IEEE,2010年。 谷歌学者 数字图书馆 C.Burstede、O.Ghattas、M.Gurnis、T.Isaac、G.Stadler、T.Warburton和L.C.Wilcox,《极端规模AMR》,年 SC10:高性能计算、网络、存储和分析国际会议记录 ACM/IEEE,2010年,戈登·贝尔奖决赛。 谷歌学者 数字图书馆 T.Bui-Thanh和O.Ghattas,“分析 马力 -波传播的非协调间断Galerkin谱元法,” SIAM数值分析杂志 ,第50卷,第3期,第1801-1826页,2012年。 谷歌学者 交叉引用 C.Burstede、L.C.Wilcox和O.Ghattas,“p4est:八叉树森林上并行自适应网格细化的可缩放算法” SIAM科学计算杂志 ,第33卷,第3期,第1103--1133页,2011年。 谷歌学者 数字图书馆 性能应用程序编程接口(PAPI)。 {在线}。 可用: http://icl.cs.utk.edu/papi/ 谷歌学者 A.M.Dziewonski和D.L.Anderson,“初步参考地球模型” 地球物理学和行星内部 ,第25卷,第4期,第297-3561981页。 谷歌学者 交叉引用 H.J.van Heijst、J.Ritsema和J.H.Woodhouse,《从简正波分裂、表面波色散和体波传播时间数据导出的全球P和S速度结构》 Eos事务处理 AGU,1999年,第S221页。 谷歌学者
建议
偏微分方程控制的贝叶斯反问题的极值尺度UQ SC'12:2012高性能计算、网络、存储和分析国际会议记录 量化大规模仿真中的不确定性已成为CS&E面临的主要挑战。当仿真需要超级计算机,且不确定性参数维数较大时,传统UQ方法将失败。 这里我们讨论不确定性。。。 基于低秩部分Hessian逼近的大规模线性反问题Bayes不确定性量化快速算法 在贝叶斯推理的框架下,我们考虑了具有高维参数空间的大规模线性统计逆问题的不确定性估计问题。 当噪声和先验概率密度为高斯时。。。