Teknologi.Bagian dari ensiklopedia.onlineCari/
BerandaKomputasi & perangkat lunakCAREER: Data-Driven Learning of Interpretable and Extrapolative Models of Complex Systems with Sparse Data
Proyek riset & pengembangan

CAREER: Data-Driven Learning of Interpretable and Extrapolative Models of Complex Systems with Sparse Data

Ringkasan tujuan riset

Pembelajaran data ilmiah terbatas memakai persamaan evolusi simbolik untuk menghubungkan sedikit lintasan dinamis, computer vision minim label, dan active learning pada anggaran anotasi kecil.

Komputasi & perangkat lunak1 rujukanProfil diperbarui
Lihat rujukanBandingkan proyek
Linimasa NSF 2544082Periode tercatat 2026-07-01 sampai 2031-06-30.NSF 2544082MulaiAkhir tercatat202620322026-07-012031-06-30
Linimasa dan catatan proyek

Tanggal dan TRL menurut catatan penerbit. Akhir periode dan target bukan bukti hasil riset.

Teknologi · CC BY 4.0 · Sumber data

Apa tujuan dan pendekatan risetnya?

Profil ini merangkum ruang lingkup proyek yang dipublikasikan National Science Foundation (NSF). Sumber diakses . Uraian pendekatan dan manfaat menyatakan tujuan pengembangan, kecuali sumber secara khusus melaporkan hasil.

Penelitian akan mempelajari keluarga persamaan perubahan dari beberapa lintasan saja, lalu memakai hukum yang diketahui atau ditemukan untuk menafsirkan seri eksperimen yang jarang berlabel. Strategi active learning dengan anggaran sangat kecil melengkapi kedua arah agar label dipilih secara informatif. Representasi simbolik ditujukan untuk interpretabilitas serta ekstrapolasi ke kondisi baru. Validasi pada material dan teknik kimia akan menguji manfaat informasi dinamika waktu bagi prediksi ketika kumpulan data berlabel besar tidak tersedia.

Baca uraian penerbit

Konteks pengembangan

Institusi penerima pada catatan
University of Connecticut
Program
Info Integration & Informatics
Periode pendanaan tercatat
2026-07-01 → 2031-06-30

Proyek kolaboratif beberapa institusi diwakili oleh satu catatan penghargaan. Institusi di atas adalah penerima pada catatan tersebut.

Klasifikasi NSF

  • Directorate for Computer and Information Science and Engineering
  • Computing & AI Foundations

Label penerbit dipertahankan sebagai konteks. Bidang katalog merupakan pengelompokan editorial.

Apa yang diketahui tentang statusnya?

Status pendanaan menurut NSFAktif (catatan pendanaan NSF)

Catatan NSF tidak melaporkan tingkat kesiapan teknologi (TRL). Status pendanaan aktif atau berakhir bukan bukti keberhasilan riset.

Batas informasi

Profil merangkum tujuan dan pendekatan dalam abstrak pendanaan NSF. Status pendanaan tidak membuktikan keberhasilan riset, kesiapan teknologi, atau ketersediaan produk. Hasil dan performa belum diverifikasi secara independen; tinjauan ahli belum dilakukan.

Dasar profil

Metodologi dan batas pemeriksaan. Ringkasan berbahasa Indonesia disusun sebagai parafrasa editorial dengan pemeriksaan sumber primer oleh agen AI. Identitas, periode, serta status berasal dari catatan penerbit. Tinjauan ahli dan pengujian kinerja independen belum dilakukan; rujukan tidak menyiratkan dukungan atau sertifikasi NSF.