Substitution de modèle et approche multifidélité en expérimentation numérique

Résumé

Cet article présente une synthèse bibliographique sur la substitution de modèle en expérimentation numérique où l'objectif est d'approcher un simulateur numérique à partir de quelques unes de ses évaluations. Les principaux modèles de substitution y sont décrits : réseaux de neurones artificiels, modèles par processus gaussien, machines à vecteurs de support et polynômes de chaos. Des éléments d'apprentissage statistique sont par ailleurs exposés afin de choisir la complexité et les paramètres d'un modèle de substitution permettant une bonne approximation du simulateur numérique. Une ouverture à la modélisation multifidélité est proposée afin de tenir compte de sources d'observations complémentaires lorsque l'évaluation du simulateur est trop coûteuse.