Η Μπεϋζιανή ενημέρωση είναι μια ισχυρή μέθοδος για την εκμάθηση και τη βαθμονόμηση μοντέλων με δεδομένα και παρατηρήσεις, γεγονότα που είναι υψίστης σημασίας σε προβλήματα πολλαπλών κλιμάκων με αβέβαιη μικροδομή όπως η πολύ τυχαία και σκληρά προβλεπόμενη συμπεριφορά των νανοσύνθετων. Σε αυτήν την εργασία χρησιμοποιείται η μέθοδος BUS (Bayesian Updating with Structural reliability methods) σε συνδυασμό με την μέθοδο των υποσυνόλων (Subset Simulation - SuS) σε ένα πολλών κλιμάκων περιβάλλον για τον υπολογισμό της ύστερης κατανομής των τυχαίων παραμέτρων της μικροκλιμακας σε ένα πλαίσιο όπου η μικροκλίμακα με την μεσοκλίμακα και η μικροκλίμακα με την μακροκλίμακα συγκλίνουν σε κάθε πειραματικό δεδομένο τους ταυτόχρονα. Πιο συγκεκριμένα, κάθε σύμπλεγμα δειγμάτων κάθε υποσυνόλου εντός του SuS σε αυτό το παράλληλο διπλό Μπεϋζιανό πρόβλημα αναγκάζεται να συμφωνήσει με το άλλο. Στο τέλος, τα δείγματα στο τελικό υποσύνολο (ύστερα δείγματα σε Μπεϋζιανούς όρους) έχουν την καλύτερη συμφωνία με τα πειραματικά δεδομένα. Αυτή η μεθοδολογία είναι πολύ ελπιδοφόρα για σύνθετα υλικά ενισχυμένα με νανοϋλικά που έχουν μεγάλο εύρος αβεβαιότητας με αρκετά απροσδόκητες μετρήσεις και πολύ μεγάλο αριθμό παραμέτρων. Είναι μια κερδοφόρα κατεύθυνση για το επάγγελμα και την τεχνολογία του μηχανικού καθώς και για μη δαπανηρές πειραματικές διερευνήσεις, ενώ ταυτόχρονα είναι αρκετά κατάλληλη για κάθε εφαρμογή μοντελοποίησης πολλαπλών επιπέδων πέρα των υλικών.