Data-driven Modeling of Equilibrium and Non-equilibrium Statistics
均衡和非均衡统计的数据驱动建模
基本信息
- 批准号:1619661
- 负责人:
- 金额:$ 30.09万
- 依托单位:
- 依托单位国家:美国
- 项目类别:Standard Grant
- 财政年份:2016
- 资助国家:美国
- 起止时间:2016-09-01 至 2019-08-31
- 项目状态:已结题
- 来源:
- 关键词:
项目摘要
An important issue in applied and computational sciences is to find the essential reduced models to predict variables of interests from high-dimensional complex dynamical systems. Given our advanced capability to collect big data, an important challenge is to leverage the information carried by the data to improve the modeling effort. Computationally, this requires adequate inference of appropriate parameters such that their uncertainties are quantifiable. A much more challenging yet important issue is to be able to make prediction in the presence of external disturbances. This problem has a wide range of applications such as in climate change science where one is interested to predict the climate change statistics corresponding to exogenous forcing such as the volcanic eruptions or even the anthropogenic factor such as the human activities. The projects in this proposal are to address these issues. While the developed methodology is aimed for general modeling of multi-scale phenomena, our focus will be to improve the understanding and prediction of the deformation behavior of graphene. Two projects are proposed: 1. Data-driven reduced modeling paradigms to capture coarse grained statistical solutions of the underlying dynamics. The methodology involves the Mori-Zwanzig formalism, a precise description of the memory effect to take into account the interactions between processes occurring on different physical scales, and a data-driven numerical scheme for estimating the parameters of the stochastic reduced model. 2. Estimation of parameters in the reduced models to predict changes on the statistical solutions in the presence of small external disturbances. This project involves employing the Padè approximation on appropriate integral operators and designing efficient algorithm to solve a system of nonlinear equations that respect appropriate equilibrium statistics of the unperturbed data, leveraging the formulation from the fluctuation-dissipation theory.
应用和计算科学中的一个重要问题是找到基本的还原模型,以预测高维复杂动态系统的兴趣变量。鉴于我们收集大数据的高级能力,一个重要的挑战是利用数据携带的信息来改善建模工作。在计算上,这需要充分推断适当的参数,以使其不确定性是可量化的。一个更大的挑战,但重要的问题是,可以在外部灾难的存在下进行预测。这个问题具有广泛的应用,例如在气候变化科学中,人们有兴趣预测与火山喷发或什至人为因素(例如人类活动)相对应的气候变化统计数据。该提案中的项目是解决这些问题。尽管开发的方法旨在用于多尺度现象的一般建模,但我们的重点是提高对石墨烯变形行为的理解和预测。提出了两个项目:1。数据驱动的减少建模范例,以捕获基础动力学的粗粒统计解决方案。该方法涉及Mori-Zwanzig格式化,对记忆效应的精确描述,以考虑到不同物理尺度上发生的过程之间的相互作用,以及用于估计随机降低模型参数的数据驱动的数值方案。 2。估算减少模型中的参数,以预测存在小型外部疾病的情况下统计解决方案的变化。该项目涉及在适当的积分运算符上采用padè近似以及设计有效算法来解决非线性股票系统,该系统尊重不受干扰的数据的适当平衡统计,从而利用了波动 - 消耗理论的公式。
项目成果
期刊论文数量(0)
专著数量(0)
科研奖励数量(0)
会议论文数量(0)
专利数量(0)
数据更新时间:{{ journalArticles.updateTime }}
{{
item.title }}
{{ item.translation_title }}
- DOI:
{{ item.doi }} - 发表时间:
{{ item.publish_year }} - 期刊:
- 影响因子:{{ item.factor }}
- 作者:
{{ item.authors }} - 通讯作者:
{{ item.author }}
数据更新时间:{{ journalArticles.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ monograph.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ sciAawards.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ conferencePapers.updateTime }}
{{ item.title }}
- 作者:
{{ item.author }}
数据更新时间:{{ patent.updateTime }}
John Harlim其他文献
John Harlim的其他文献
{{
item.title }}
{{ item.translation_title }}
- DOI:
{{ item.doi }} - 发表时间:
{{ item.publish_year }} - 期刊:
- 影响因子:{{ item.factor }}
- 作者:
{{ item.authors }} - 通讯作者:
{{ item.author }}
{{ truncateString('John Harlim', 18)}}的其他基金
Data-driven statistical dynamical modeling: Shortage of training data and high- dimensionality
数据驱动的统计动态建模:训练数据短缺和高维
- 批准号:
2207328 - 财政年份:2022
- 资助金额:
$ 30.09万 - 项目类别:
Standard Grant
FRG: Collaborative Research: Non-Smooth Geometry, Spectral Theory, and Data: Learning and Representing Projections of Complex Systems
FRG:协作研究:非光滑几何、谱理论和数据:学习和表示复杂系统的投影
- 批准号:
1854299 - 财政年份:2019
- 资助金额:
$ 30.09万 - 项目类别:
Standard Grant
Practical Filtering Methods with Model Errors
具有模型误差的实用过滤方法
- 批准号:
1317919 - 财政年份:2013
- 资助金额:
$ 30.09万 - 项目类别:
Standard Grant
相似国自然基金
复杂薄壁结构模型的设计与仿真集成过程中的关键技术研究
- 批准号:61902345
- 批准年份:2019
- 资助金额:25.0 万元
- 项目类别:青年科学基金项目
基于空间拓展的自支撑曲面构造理论与应用研究
- 批准号:61802228
- 批准年份:2018
- 资助金额:27.0 万元
- 项目类别:青年科学基金项目
数据几何与差商特征驱动的构造性逼近理论与方法研究
- 批准号:11771453
- 批准年份:2017
- 资助金额:48.0 万元
- 项目类别:面上项目
局部体形特征驱动的个体化青年女装智能生成方法研究
- 批准号:61702461
- 批准年份:2017
- 资助金额:25.0 万元
- 项目类别:青年科学基金项目
复杂曲面高质量加工中的插补算法研究
- 批准号:61602074
- 批准年份:2016
- 资助金额:22.0 万元
- 项目类别:青年科学基金项目
相似海外基金
ERI: Data-Driven Analysis and Dynamic Modeling of Residential Power Demand Behavior: Using Long-Term Real-World Data from Rural Electric Systems
ERI:住宅电力需求行为的数据驱动分析和动态建模:使用农村电力系统的长期真实数据
- 批准号:
2301411 - 财政年份:2024
- 资助金额:
$ 30.09万 - 项目类别:
Standard Grant
A data-driven modeling approach for augmenting climate model simulations and its application to Pacific-Atlantic interbasin interactions
增强气候模型模拟的数据驱动建模方法及其在太平洋-大西洋跨流域相互作用中的应用
- 批准号:
23K25946 - 财政年份:2024
- 资助金额:
$ 30.09万 - 项目类别:
Grant-in-Aid for Scientific Research (B)
Collaborative Research: Sea-state-dependent drag parameterization through experiments and data-driven modeling
合作研究:通过实验和数据驱动建模进行与海况相关的阻力参数化
- 批准号:
2404369 - 财政年份:2024
- 资助金额:
$ 30.09万 - 项目类别:
Standard Grant
Collaborative Research: Sea-state-dependent drag parameterization through experiments and data-driven modeling
合作研究:通过实验和数据驱动建模进行与海况相关的阻力参数化
- 批准号:
2404368 - 财政年份:2024
- 资助金额:
$ 30.09万 - 项目类别:
Standard Grant
Identification of Prospective Predictors of Alcohol Initiation During Early Adolescence
青春期早期饮酒的前瞻性预测因素的鉴定
- 批准号:
10823917 - 财政年份:2024
- 资助金额:
$ 30.09万 - 项目类别: