Bayesian uncertainty quantification

Responsable: Christen Gracia José Andrés

Este proyecto se refiere a la calibración y a la cuantificación de incertidumbre y de control de error posterior en modelos no lineales complejos (PDEs) y modelos computacionales en presencia de datos. Estos modelos computacionales son aproximaciones numéricas a modelos matemáticos bien definidos, en términos de PDEs, de los fenómenos en cuestión. Dado que sólo se utilizan soluciones numéricas aproximadas para los modelos PDEs, solo se obtienen respuestas aproximadas cuando se realiza inferencia estadística a partir de los datos disponibles. Sin embargo, investigaciones recientes sugieren que al controlar adecuadamente el error en los modelos computacionales se pueden obtener respuestas exactas (para cualquier consideración prácticas), teniendo o no estimaciones de error explícitas en las soluciones. El objetivo es aplicar estas nuevas ideas en situaciones de datos reales.

Autor