基于伴随的模型降阶加速感兴趣量估计
计算工程、金融与科学
2026-07-06 v1
摘要
我们引入了一个基于伴随的降阶模型框架，用于快速准确地估计多查询线性问题的感兴趣量。该方法针对伴随问题构建降阶模型，从而绕过了原始问题的求解，大幅降低了计算成本。它创建了一个与载荷配置无关的代理模型。它支持在多个载荷工况下进行快速评估，并生成虚拟图表以支持决策。在泊松方程和平面应力弹性问题上的数值实验表明，伴随降阶模型收敛迅速，优于其原始对应模型，并能提供可靠的感兴趣量估计。重要的是，参数化核函数通常比参数化整个外部载荷集更实用，这使得该方法具有通用性，特别适用于早期原型设计和设计优化。
引用
@article{arxiv.2607.04808,
title = {Accelerated estimation of quantities of interest via adjoint-based model reduction},
author = {Clément Vella and Serge Prudhomme},
journal= {arXiv preprint arXiv:2607.04808},
year = {2026}
}