Apr, 2023

一种动态贝叶斯优化的主动推荐系统，用于以好奇心驱动的人为中心的自动实验

PDF
TL;DR通过人为干预的贝叶斯优化主动推荐系统 (BOARS)，实现对实验目标的动态控制并结合机器学习算法进行优化，在铁电薄膜表面的压电响应力谱中得出对称压电响应振幅滞环的影响因素，在实验领域进行了跨学科探索。
active learning methodsbayesian optimized active recommender systemferroelectric thin filmatomic force microscopemachine learning approaches
发现论文，激发创造
  • 加速物理发现的非交互性和交互性多保真贝叶斯优化：当前挑战和未来机遇

    在计算材料发现领域，通过多样的交互工作流程和基于贝叶斯优化的多层次恒定调整，结合数据、物理和实时人工决策，提高了对多维参数空间的探索效率。

    Feb, 2024

  • HypBO: 专家引导化学家参与贝叶斯搜索新材料

    机器人技术和自动化为解决材料发现等难以处理的多变量科学问题提供了巨大的加速，而巨大的搜索空间可能令人望而生畏。贝叶斯优化（BO）已成为一种流行的高效样本优化引擎，在目标函数 / 属性没有已知的解析形式的任务中蓬勃发展。本文利用专家人类假设的形式来更快地将贝叶斯搜索定向到化学空间的有前途的区域。我们提出的方法称为 HypBO，利用专家人类假设生成改进的样本种子。不太有希望的种子被自动折扣，而有希望的种子被用于增加代理模型数据，从而实现更有信息的抽样。这个过程在一个全局与局部搜索的框架中继续进行。我们在一系列合成函数上验证了我们方法的性能，并在一个真实的化学设计任务上展示了其实用性，其中使用专家假设显著加速了搜索性能。

    Aug, 2023

  • 人算协同贝叶斯优化工程系统

    应用高通量贝叶斯优化和离散决策理论，提出了一种协同贝叶斯优化方法，以将人类专家的知识融入数据驱动的决策过程中，实现更快的收敛和改善工程系统中贝叶斯优化的可追踪性。

    Apr, 2024

  • 贝叶斯协同导航：通过主动学习实现材料数字孪生动态设计

    通过贝叶斯共同导航理论模型空间和实验来实现理论在循环中的集成，以减小实验对象空间的认识不确定性，进而创建包括关联部分和理论模型本身的材料结构数字孪生体，具有广泛的应用前景。

    Apr, 2024

  • 基于贝叶斯自主材料相图制图的人工智能辅助系统

    该研究提出一种方法，即将人类的先前知识融合到自动实验中，可用于材料研究中的相图绘制，并证明了加入人类先验知识对绘制精度的显著提高。

    Jun, 2023

  • 多目标优化与主动学习完全自主材料设计框架：挑战和下一步

    利用多目标黑盒优化的主动学习过程，在实时流数据和模块化多目标优化软件开发技术支持下，实现了自动化连续流化学实验室的自治操作，为电解质生产提供了理想的制造条件。

    Apr, 2023

  • 人类参与协作和可解释性贝叶斯优化

    我们提出了一种协作和可解释的贝叶斯优化框架（CoExBO），它通过优先学习无缝地将人类洞察力整合到优化中，为用户提供与其偏好相符的算法建议，并通过解释候选项选择来建立信任，使用户对优化有更清晰的掌握。此外，CoExBO 提供不会造成损害的保证，允许用户犯错误；即使进行极端对抗性干预，该算法也渐进地收敛到一个标准的贝叶斯优化方法。通过在锂离子电池设计中进行人工智能协作实验，我们验证了 CoExBO 的有效性，并凸显了与传统方法相比的显著改进。

    Oct, 2023

  • 面向物理的主动学习在加速量子化学模拟中的应用

    通过使用主动学习 (AL)，可以以经济的时间和资源投入及最少的人工干预构建具有鲁棒数据效率的潜力。实现了构建可靠的数据高效势能，并在牵引谱模拟、生化分子构象搜索和 Diels-Alder 反应的时间分辨机理研究中展示了该协议的多功能性。

    Apr, 2024

  • 专家引导的贝叶斯优化方法用于已知系统的人机交互式实验设计

    通过高通量（批处理）贝叶斯优化和人类决策理论，本文提出一种方法，使领域专家能够影响最优实验的选择。该方法旨在解决人类在离散选择上比连续选择更擅长的假设，并在每次迭代中通过求解增广多目标优化问题返回备选解集合，从中专家选择一个进行评估。研究表明，即使在无经验的情况下，该算法仍能恢复标准贝叶斯优化的遗憾。

    Dec, 2023

  • 顺序实验中的协同智能：药物发现的人机交互框架

    药物研发是一个复杂的过程，本文介绍了一种人工智能与人类专家知识相结合的人机协作框架，用于药物研发中的顺序实验，以提高针对目标分子的发现效率。研究结果表明，这种框架能够有效加速新疫苗和药物的开发，充分利用人类专家和人工智能的优势。

    May, 2024