问输出比输入多的数据模型？

EN

我正在物理模拟的参数研究，即我改变一些实际的输入参数(如x0，x1，x2，x3)，并得到一个较大的输出(如y0，y1 .y100)。假设我有一个包含上千个不同输入参数和相应输出的数据库，那么是否有一个好的方法可以建立一个模型来预测一个新位置的输出呢？

我已经研究过各种技术，但到目前为止，我还没有找到解决这类问题的有希望的方法。我发现了很多关于分类问题的东西，对于一个输出来说，高斯过程回归是合适的。但是当涉及到浮点输入和一个尺寸比输入更大的输出时，我非常迷茫。对于解决这类问题的论文有什么建议或参考吗？

编辑:我知道我的描述可能有点抽象，所以这里有一个具体的问题:我有一个激光物理模拟，有一些输入参数，我正在改变，比如空间波前系数和光谱相位系数。这些改变了焦点的时空强度分布，我正在观察由此产生的动力学。其中一个可以观察到的是加热电子的动量分布(这是~100桶的直方图)。我可以相当快地运行这些模拟(每个5分钟的比例)，但我的参数空间相当大，有5-10个不同的值可调。因此，我正在寻找技术来执行多维回归，以了解每个参数在参数范围内的影响。理想的情况下，我希望能够做出一个合理的预测，动量分布应该如何在一个未经探索的位置，根据以前的模拟知识.