Some Improvements and Applications of Non-intrusive Polynomial Chaos Expansions

Abstract

Banebrytende forskningsmodeller innenfor viktige tema/fagområder som blant annet klima, menneskekroppen og jordskorpen tar alle utgangspunkt i kompliserte dataprogrammer, og krever ofte flere dager for en super-datamaskin å beregne. Uavhengig av hvor imponerende disse modellene er, kan vi ikke stole på forskningsresultatene uten at vi samtidig kartlegger hvor stor usikkerhet assosiert med modellene er. Usikkerheten forteller hvor stor feilmargin vi kan forvente at forskningsmodellene har. Kartlegging av usikkerhet er imidlertid ressurskrevende, og byr ofte på større utfordringer enn selve beregningen av modellene. Kaos-polynomer er et nytt verktøy som er spesielt godt egnet for å kartlegge usikkerhet i slike større modeller. Metoden kan ofte være flere hundre ganger mer effektiv enn dagens standardmetoder. Med andre ord kan man med kaos-polynomer redusere tiden det vil ta å kartlegge usikkerhet i en større modell med flere måneder, av og til år. Kaos polynomer muliggjør dermed usikkerhetsanalyse på områder der det tidligere ikke var praktisk mulig fordi det tok for lang tid.