HML

替代通常用于加速数值模拟，基于由昂贵的数值求解器在某些数据集内收集的生成的数值结果，然后训练可以代替慢速数值模型使用的机器学习模型。我们的混合机器学习 (HML) 算法采用了类似的方法; 但是，它首先具有降阶 (但足够快) 的数值子模型，可以对结果进行粗略估计，其次，此混合实现中的机器学习子模型将低保真结果的准确性提高到高保真结果的水平。它的主要优点可能适用于许多软组织的有限元模拟，是其无损且有效的实现 (因为它不会使学习复杂化，并且可以处理有限的多物理问题数据)。

搜集汇总

背景与挑战

背景概述

HML数据集是一种混合机器学习算法，旨在替代高成本的数值模拟，通过整合快速降阶数值子模型和机器学习子模型，将低保真结果提升至高保真水平，特别适用于软组织有限元模拟等多物理问题。该数据集由格拉茨理工大学等机构于2022年发布，相关资源可在GitHub和学术论文中获取。