KIT | KIT-Bibliothek | Impressum | Datenschutz

Bayesian optimization approach to quantify the effect of input parameter uncertainty on predictions of numerical physics simulations

McCallum, Samuel G.; Lerpinière, James E.; Jensen, Kjeld O.; Friederich, Pascal ORCID iD icon 1,2; Walker, Alison B.
1 Institut für Theoretische Informatik (ITI), Karlsruher Institut für Technologie (KIT)
2 Institut für Nanotechnologie (INT), Karlsruher Institut für Technologie (KIT)


Verlagsausgabe §
DOI: 10.5445/IR/1000164830
Veröffentlicht am 23.11.2023
Cover der Publikation
Zugehörige Institution(en) am KIT Institut für Nanotechnologie (INT)
Institut für Theoretische Informatik (ITI)
Publikationstyp Zeitschriftenaufsatz
Publikationsdatum 01.12.2023
Sprache Englisch
Identifikator ISSN: 2770-9019
KITopen-ID: 1000164830
HGF-Programm 43.31.01 (POF IV, LK 01) Multifunctionality Molecular Design & Material Architecture
Erschienen in APL Machine Learning
Band 1
Heft 4
Vorab online veröffentlicht am 01.11.2023
Nachgewiesen in Dimensions
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft
KITopen Landing Page