計算機實驗，是用于研究的計算機模擬，也被稱為一個實驗，在硅片系統。該領域包括計算物理學、計算化學、計算生物學和其他類似學科。

計算機實驗被構造為模擬物理系統。因為這些是為了詳細復制系統的某些方面，所以它們通常不會產生分析解決方案。因此，使用諸如離散事件模擬?或有限元求解器之類的方法。一個計算機模型來做出關于它復制系統的推論。例如，由于不可能在地球大小的物體上進行實驗，因此經常使用氣候模型。

考慮到許多目的已經采用了計算機實驗。其中一些包括：

• 不確定性量化：表征在計算機模擬的構建過程中，由未知因素引起的計算機模擬中存在的不確定性。
• 反問題：從物理數據中發現系統的基礎屬性。
• 偏差校正：使用物理數據校正模擬中的偏差。
• 數據同化：將多個模擬和物理數據源組合成一個完整的預測模型。
• 系統設計：查找可導致最佳系統性能指標的輸入。

計算機實驗建模通常使用貝葉斯框架。貝葉斯統計是對統計領域的一種解釋，其中所有有關世界真實狀態的證據均以概率形式明確表示。在計算機實驗領域，貝葉斯解釋意味著我們必須形成一個先驗分布，以表示我們對計算機模型結構的先驗信念。這種哲學在計算機實驗中的使用始于1980年代，Sacks等人對此進行了很好的總結。（1989）。盡管貝葉斯方法已被廣泛使用，但最近已經討論了頻頻方法。

該框架的基本思想是將計算機仿真建模為一組輸入的未知函數。計算機模擬被實現為一段計算機代碼，可以對其進行評估以產生輸出集合。這些模擬的輸入示例包括基礎模型中的系數，初始條件和強迫函數。很自然地將模擬看作是確定性函數，它將這些輸入映射到一組輸出中。

計算機實驗的設計與參數模型實驗的設計有很大不同。由于高斯過程先驗具有無窮大的維數表示形式，因此不能使用A和D標準的概念，該概念著重于減少參數中的誤差。如果計算機模擬沒有錯誤，則復制也很浪費。用于確定良好實驗設計的標準包括綜合均方預測誤差和基于距離的標準。

流行的設計策略包括拉丁超立方體采樣和低差異序列。