Pi4U

Pi4U：复杂模型贝叶斯不确定性量化的高性能计算框架。我们提出了Pi4U，一个可扩展的框架，用于非侵入式贝叶斯不确定性量化和传播（UQ+P），复杂和计算要求高的物理模型，可以开发大规模并行计算机体系结构。该框架结合了拉普拉斯渐近近似和随机算法，以及针对异构集群的分布式数值微分和基于任务的并行性。采样基于过渡马尔可夫链蒙特卡罗（TMCMC）算法及其变体。通过协方差矩阵自适应进化策略（CMA-ES）处理与渐近逼近相关的优化任务。采用改进的子集模拟方法对罕见事件的后验可靠性进行了测量。该框架基于一个自适应的负载平衡库，能够适应多个物理模型评估的调度，并且具有良好的可扩展性。除了软件框架之外，我们还提供了贝叶斯工具在计算要求高的物理模型中的适用性和效率的指南。从分子动力学、结构动力学和颗粒流的应用中展示了理论和计算的发展。

此软件的关键字

这里的任何内容都将在支持canvas元素的浏览器上被替换

zbMATH中的参考文献（参考文献9条,1标准件)

显示第1到第9个结果，共9个。
按年份排序(引用)

  1. 马丁，塞尔吉奥·M。；瓦尔切利，但以理；阿拉帕齐斯，乔治亚；Economides，雅典娜E。；彼得卡尔纳科夫；Koumoutsakos，Petros:Korali:用于贝叶斯不确定性量化和随机优化的高效可扩展软件框架（2022）
  2. 拉森，凯伦；奥尔森，莎拉·D。；Matzavinos，Anastasios:用于估算微型游泳运动员模型中流体和材料参数的贝叶斯框架（2021）
  3. 拜格斯，琼；马丁内斯·弗鲁托斯，耶稣；赫雷罗-佩雷斯，大卫；奥特罗，费明；Ferrer，Alex:通过两级并行化方案使用自适应网格细化和粗化的大规模随机拓扑优化（2019）
  4. 程红阳；树库，高由纪夫；托尼，克劳斯；坦彭，帕梅拉；芦丁、斯特凡；Magnanimo，Vanessa:DEM模型快速自动校准的迭代贝叶斯滤波框架（2019）
  5. 拉森，凯伦；扎戈斯、卢卡斯；麦考利，马克；罗伯茨，杰森；卡瓦拉里斯，尼科斯一世。；Matzavinos，Anastasios:DNA甲基化数学模型的数据驱动选择和参数估计（2019）
  6. 阿拉帕齐斯，乔治亚；瓦尔切利，但以理；Angelikopoulos，Panagiotis公司；吴，斯蒂芬；哈吉杜卡斯，帕纳吉多斯；Koumoutsakos，Petros:Langevin扩散用于基于人群的抽样，以及在药效学贝叶斯推断中的应用（2018）
  7. 索克斯，乔纳斯；拉索弗，乌苏拉；费边，韦梅林格；哈吉杜卡斯，帕纳吉多斯；Koumoutsakos，Petros：云空化模拟中不确定性量化的多级控制变量（2018）
  8. 斯特劳布，丹尼尔；帕帕奥安诺，伊森；Betz，Wolfgang:罕见事件的贝叶斯分析（2016）
  9. 哈吉杜卡斯，体育。；Angelikopoulos，P。；帕帕迪米特里奥。；Koumoutsakos，P.：（\Pi）4U：复杂模型贝叶斯不确定性量化的高性能计算框架（2015）