## [Modelado de Sustitución](/es/node/60543) Definición Construcción de una aproximación computacionalmente barata (surrogado o emulador) de un modelo costoso o caja negra, destinada a reproducir el comportamiento entrada–salida para tareas como optimización, cuantificación de incertidumbre o análisis de sensibilidad. ## Principio Principio Ajustar un aproximador (proceso gaussiano, superficie de respuesta polinómica, red neuronal, base radial) a un conjunto limitado de ejecuciones del modelo costoso, cuantificar el error del surrogado o la incertidumbre epistémica, y usar el surrogado cuando la fidelidad sea suficiente para cumplir tolerancias de error específicas de la tarea. ## Demostración Demostración Entrenar un emulador por proceso gaussiano con 200 ejecuciones de un modelo por elementos finitos para predecir campos de deformación; usar el emulador dentro de un bucle de calibración bayesiana y en un optimizador global para hallar mínimos de diseño mucho más rápido que con el solver completo. ## Aplicación incorrecta Aplicación incorrecta Desplegar un surrogado sin validar el error predictivo en las regiones utilizadas para la toma de decisiones, o usar surrogados de interpolación muy lejos del dominio de entrenamiento, lo que conduce a predicciones excesivamente confiadas e incorrectas. ## Consecuencia Consecuencia Cuando se validan y cuantifican su incertidumbre, los surrogados reducen drásticamente el coste computacional de optimización, exploraciones de sensibilidad y análisis probabilísticos, permitiendo integrar modelos costosos en flujos de trabajo iterativos. ## Inversión Inversión Usar el modelo de alta fidelidad original para cada evaluación (sin surrogado) asegura fidelidad física pero puede ser inviable por coste; a la inversa, tratar el surrogado como exacto invierte el flujo de trabajo consciente de la aproximación. ## Límite Límite Se aplica a la aproximación de mapeos entrada–salida; excluye métodos que generan modelos reducidos que preservan estados internos o la física, salvo que estén explícitamente diseñados para ello; la validez del surrogado queda limitada al dominio de entrada muestreado y a las suposiciones del aproximador. ## Tensión semántica Tensión semántica Estrechamente relacionado con la reducción de modelos y la emulación: la modelización de sustitución se centra en reproducir salidas e incertidumbre para entradas dadas, mientras que la reducción de modelos suele buscar preservar la dinámica interna o las ecuaciones gobernantes; los términos a veces se usan indistintamente pero implican garantías distintas. ## Síntesis Síntesis La modelización de sustitución construye aproximaciones informadas estadísticamente de modelos costosos ajustando funciones flexibles a datos de simulación, cuantificando y validando explícitamente el error para acelerar con seguridad la optimización, la inferencia y la UQ, reconociendo límites de dominio y fidelidad.