En nuestra última exploración de COMSOL Multiphysics v6.2, subrayamos una de sus características más destacadas: los modelos subrogados (surrogate models). Estos modelos, centrales en nuestra discusión de hoy, simplifican simulaciones complejas manteniendo la precisión. Ofrecen habilidades computacionales más rápidas, siendo inestimables para optimizar diseños, realizar estudios paramétricos y explorar extensos espacios de diseño eficientemente.

El Estudio de Entrenamiento de Modelos Subrogados en COMSOL Multiphysics introduce funcionalidades críticas para la creación de estos modelos eficientes. Énfasis en métodos estratégicos de muestreo DOE como el Latin hypercube sampling (LHS) para entrenamiento de modelos, equilibrando el tiempo de generación de datos con la precisión. Dentro de este estudio, se encuentran varios modelos subrogados como Deep Neural Network (DNN, ver fig. de la cabecera, donde se muestra una red neuronal de 5 capas. Imagen obtenida del ejemplo de COMSOL "A Tubular Reactor Surrogate Model"), Gaussian Process (GP) y Polynomial Chaos Expansion (PCE)*, cada uno con fortalezas únicas. Por ejemplo, DNN maneja conjuntos de datos más grandes, mientras que GP y PCE ofrecen estimaciones de incertidumbre. Estos modelos sobresalen en la interpolación de funciones multidimensionales, abordando intrincadas relaciones de datos no lineales. Las funciones de modelos subrogados extienden su utilidad más allá de aplicaciones y cuantificación de incertidumbre, encontrando aplicación en la representación de datos de materiales, optimización y más, permitiendo diferenciación en cuanto a parámetros de entrada.

La versión 6.2 ofrece ejemplos notables, como Tubular Reactor Surrogate Model application [1], Thermal Actuator Surrogate Model application [2] y Surrogate Model Training of a Battery Rate Capability model [3]. *El modelo subrogado DNN viene incluido en COMSOL Multiphysics, los modelos de GP y PCE están disponibles con el módulo de cuantificación de incertidumbre.

Referencias

[1] El Tubular Reactor Surrogate Model application muestra el importante aumento de velocidad en los cálculos al utilizar un modelo subrogado en lugar de un modelo de elemento finito exhaustivo
[2] El Thermal Actuator Surrogate Model application describe un método para agilizar el análisis multiphysics, utilizando un modelo subrogado diseñado para un modelo de geometría paramétrica completa.
[3] El Surrogate Model Training of a Battery Rate Capability Model demuestra el uso de una función de modelo subrogado, DNN, para entrenar y predecir la capacidad de carga de una celda de batería NMC/grafito.