提出结合轻量级模拟器与XAI的复杂系统仿真工作流

Paul Saves 等人提出一种自动化仿真探索工作流，旨在解决复杂系统模拟中计算成本高与黑盒模型透明度低的问题。该工作流通过训练轻量级模拟器，基于紧凑的实验设计提供快速、低延迟的昂贵模拟器近似，并支持不确定性量化及可解释人工智能分析。 该框架正式确立了一种方法论桥梁，可处理连续、分类及整数变量，适用于从工程设计到社会环境代理模型等多种领域。通过活跃验证滤波器，确保解释的一致性，并支持全局和局部 XAI 分析。 研究在两个截然不同的范式进行了验证：一个是混合电动飞机确定性的多学科设计模拟，另一个是城市隔离的随机代理模拟。在混合电动飞机设计中，框架实现了秒级大规模探索，并揭示了关键的非线性交互，证明了其在不同复杂系统中的应用潜力。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。