Sich in der Vielzahl aktuell angebotener Algorithmen für maschinelles Lernen zurechtzufinden ist eine anspruchsvolle Aufgabe.Die Herausforderung besteht nicht nur darin, den passenden Algorithmus auszuwählen, sondern auch die Mannigfaltigkeit zugrunde liegender Daten zu überschauen und zu einzuordnen – von numerischen Werten und akustischen Signalen bis hin zu komplexeren Formen wie transienten FEM-Simulationen oder 3D-Materialeigenschaften.

Da die Anzahl der verfügbaren Algorithmen ständig zunimmt, steigt auch der Bedarf an Fachwissen. DIM-GP begegnet dieser Herausforderung, indem es ein Tool bereitstellt, mit dem Benutzer, selbst solche mit wenig Erfahrung, eine breite Palette von Problemen in fortgeschrittenen Technologiefeldern effektiv angehen können.
DIM-GP ist darauf ausgelegt, große Datensätze effizient auf bescheidener Hardware zu verarbeiten, während seine Hauptstärke darin liegt, genaue Modelle aus relativ kleinen Datensätzen zu erstellen. Dies ist besonders wertvoll angesichts der hohen Kosten und der begrenzten Verfügbarkeit realer Experimente und Simulationen.

Um die Fähigkeiten von DIM-GP zu erweitern, wurde eine Reihe von Algorithmen für optimiertes Experimentieren, effiziente Optimierung und Sensitivitätsanalyse in das Stochos-Softwarepaket integriert. Diese Integration erleichtert die reibungslose Interaktion verschiedener Tools und erweitert den Anwendungsbereich