基于贝叶斯自主材料相图制图的人工智能辅助系统
机器学习在电子显微镜领域逐步获得认可,用于数据后处理中的去噪、语义分割和降维。在使用大型仪器制造商的 API 引入后,现在可以在显微镜中部署机器学习工作流,不仅用于数据分析,还用于实时决策和反馈。然而,实时机器学习的用例数量仍然相当有限。在本文中,我们讨论了设计基于机器学习的主动实验的一些考虑因素,并提出了未来几年的策略可能是人在环回中的自动化实验 (hAE)。在这种范例中,机器学习代理直接控制光束位置、图像和光谱采集功能,人操作员实时监控系统的特征空间中的实验进展,并调整机器学习代理的策略以实现特定目标。
Oct, 2023
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。
Apr, 2023
通过 AI 驱动的科学发现,我们提供了一种自动从实验数据中发现相场物理模型的方案,结合了实验、众包、模拟和学习的全流程。我们的平台在分析极端条件下材料的纳米结构演变中被应用,揭示了手动分析无法检测到的纳米空缺缺陷的新特性。
Sep, 2023
通过机器学习和 AI 技术,提出了一个支持领域和流程知识管理,结合人工智能协作的工作台框架,以减少时间和机会成本的目的,实现化学空间探索的新型功能材料的发现。
Nov, 2022
本篇研究论文在自主实验领域提出了关于初始实验条件和干预对深度核学习在扫描探针显微镜中学习动态的影响的综合分析,并通过对 PbTiO3 薄膜的数据集进行实证研究,突出了初始选择和自适应干预在优化学习速率和提高自动化材料表征效率方面的重要性。
Jan, 2024
介绍了一个交互式版本的基于证据驱动的状态合并算法(EDSM)用于学习有限状态自动机的变体,该算法可通过与人直接交互更好地利用领域知识。
Jul, 2017
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
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
使用机器学习插值位能函数和 Markov-chain Monte Carlo 采样方法,加快了多组分材料表面相图预测中的能量和统计抽样方法,可模拟复杂的材料表面并发现以前未报告的表面终止。
May, 2023