Data-efficiënte machine learning (DEML), of surrogaatmodellering, maakt efficiënt leren, modelleren en optimaliseren mogelijk waar hoogwaardige data beperkt of kostbaar is om te verkrijgen. DEML kan de ontwikkeling van digitale tweelingen en data-gedreven modellen op basis van kleine datasets vereenvoudigen, wat vooral voordelig is voor industrieën waar data-acquisitie uitdagend is.

Een belangrijke toepassing van DEML is in het optimaliseren van ontwerpen voor complexe, rekentechnisch intensieve simulaties, zoals op fysica gebaseerde simulaties in domeinen als elektromagnetica of computationele vloeistofdynamica. Zo kan DEML bijvoorbeeld het ontwerp en de elektrische eigenschappen van componenten zoals microstripfilters optimaliseren, waardoor zowel de topologie als functionaliteit worden verbeterd met minder rekenkracht.