在单节二极体太阳能电池模型中发现一个活跃子空间
Discovering an active subspace in a single-diode solar cell model
AI总结：
本文提出了一种方法，用于检查模型是否具有可利用的活跃子空间，并应用于具有五个输入参数的单节二极体太阳能电池模型，发现最大功率具有主导的一维活跃子空间，从而在单维而非五维上进行深入参数研究。
摘要：
科学和工程模型的预测依赖于模型输入参数的值。随着参数数量的增加，像优化或不确定性量化这样的算法参数研究需要更多的模型评估。一种对抗这种维度诅咒的方法是寻找一个具有更少变量的替代参数化，以产生可比拟的预测。活跃子空间是通过模型输入空间中的重要方向定义的低维线性子空间；沿着这些方向的输入扰动在平均上比垂直于重要方向的扰动改变模型预测更多。我们描述了一种方法，用于检查模型是否具有可利用的活跃子空间，并将此方法应用于具有五个输入参数的单节二极体太阳能电池模型。我们发现，太阳能电池的最大功率具有主导的一维活跃子空间，这使我们能够在单维而非五维上进行彻底的参数研究。
英文摘要：
Predictions from science and engineering models depend on the values of the model's input parameters. As the number of parameters increases, algorithmic parameter studies like optimization or uncertainty quantification require many more model evaluations. One way to combat this curse of dimensionality is to seek an alternative parameterization with fewer variables that produces comparable predictions. The active subspace is a low-dimensional linear subspace defined by important directions in the model's input space; input perturbations along these directions change the model's prediction more, on average, than perturbations orthogonal to the important directions. We describe a method for checking if a model admits an exploitable active subspace, and we apply this method to a single-diode solar cell model with five input parameters. We find that the maximum power of the solar cell has a dominant one-dimensional active subspace, which enables us to perform thorough parameter studies in one dimension instead of five.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
