本论文探讨了在电子显微镜中使用机器学习来进行数据分析和优化工作流程的挑战，并讨论了人类科学家和机器学习在实验工作流程中的相对贡献以及开发通用超级语言的需求。

Apr, 2023

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

本文介绍了一种使用机器学习来预测过渡金属及其氧化物 X 射线衍射数据晶体结构相位的方法，并评估了其性能和比较了其不同设置的多样性，结果表明该机器学习框架具有竞争力的性能，这证明机器学习对 X 射线衍射和晶体结构确定领域具有重要意义。

Apr, 2023

该研究描述了一种 “人机互动” 机器学习系统的愿景，它通过智能跟踪更改和中间结果，实现了工作流加速，反馈及时，内省和调试，背景执行和自动化，并描述了 Helix，初步尝试这样一个系统已经在典型的迭代工作流中实现了最多 10 倍的提速。

Apr, 2018

数据驱动技术与物理近似相结合的例子展示了机器学习在电子结构计算中的应用，从而提高了模型的可迁移性和可解释性，节省了计算成本，并为发展机器学习增强型电子结构方法提供了蓝图。

Nov, 2023

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

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

机器学习在临床微生物组学领域的应用具有良好的前景，需要高质量、可重复、可解释的工作流程以满足监管机构对临床工具设定的较高要求。本研究通过对 2021-2022 年发表的 100 篇同行评议的期刊文章进行深入分析，以数据驱动方法总结了目前监督式机器学习在微生物组学数据中的应用现状，并提供了关于实验设计的重要考虑因素，如如何减少小数据集大小的影响同时避免数据泄露。此外，还提供了关于如何避免常见的实验设计陷阱以提高模型性能、可信度和可重复性的指导。本文配有一个互动在线教程，旨在向微生物组学社区介绍机器学习实验设计的基本原则。正式规范监督式机器学习在微生物组学领域的最佳实践是提高临床研究的成功率和效率，造福患者和其他利益相关方的重要步骤。

Feb, 2024

本研究提出了一种端到端的自监督机器学习方法，通过仅仅使用衍射图像来恢复粒子方向并估计倒易空间强度，从而在 X 射线自由电子激光器的实验条件下展示了卓越的鲁棒性和显著增强的重建能力，标志着在目前 XFEL 上实施的单颗粒成像中的范式转变。

Nov, 2023

通过使用 Gledzer-Ohkitani-Yamada (GOY) shell 模型的强烈简化表示，我们构建了一个小尺度湍流模型进行研究，重点探讨了机器学习与物理学的相结合，以及在将机器学习与微分方程相结合时存在的问题。

Jan, 2022