Statistisen päättelyn soveltaminen monilla tieteen ja insinööritieteen aloilla käytettäviin simulaattoripohjaisiin malleihin on haastavaa, koska niille ei pystytä laskemaan todennäköisyysfunktiota, eli datan tiheysfunktiota annetuilla simulaatioparametreillä. Tämän ongelman ratkaisemiseksi on syntynyt simulaatiopohjaisen päättelyn (simulation-based inference, SBI) ala, jossa mallista tuotetaan suuri määrä simulointeja todennäköisyysfunktion hyödyntämisen sijaan. Kuitenkin viimeaikaisten SBI-menetelmien suorituskyky heikkenee merkittävästi, kun malli ei kykene tarkasti mallintamaan todellista tutkittavaa ilmiötä (ts. kun malli on väärin määritelty) tai kun mallin ajamiseen tarvitaan huomattavasti laskentatehoa, mikä rajoittaa saatavilla olevien simulointien määrää. DREAM4SBI pyrkii ratkaisemaan nämä pullonkaulahaasteet tarjoamalla laskentatehokkaita ja mallin väärän määrittelyn suhteen vakaita ratkaisuja, ja näin tekemään SBI-menelmistä laajemmin sovellettavia.

2024

2028