Jun, 2023
深度贝叶斯实验设计用于量子多体系统
Deep Bayesian Experimental Design for Quantum Many-Body Systems
Leopoldo Sarra, Florian Marquardt
TL;DR该论文讨论了如何使用贝叶斯实验设计方法和深度神经网络来确定量子技术平台特征，以及如何使用这种方法进行量子模拟和计算。
Abstract
bayesian experimental design is a technique that allows to efficiently select
measurements to characterize a physical system by maximizing the expected
information gain. Recent developments in deep neural networks
bayesian experimental designdeep neural networksnormalizing flowsquantum technology platformsmeasurement strategies
发现论文，激发创造
量子多参数估计的深度强化学习
本研究提出了一种基于深度学习和强化学习的模型无关方法，实现了实际的贝叶斯量子计量任务，并在一个集成光电电路上证明了比标准方法更高的测量性能，这是实现完全基于人工智能的量子计量的重要一步。
Sep, 2022
隐式模型的高效贝叶斯实验设计
本文提出了一个新的实验设计框架，用于解决隐式模型中的优化资源分配问题，采用了先前不可行的参数和数据之间的互信息作为效用函数，并使用基于贝叶斯优化的方法解决最优设计问题。
Oct, 2018
寻找最优 Bayesian 实验设计的自然选择启发式算法
我们提出了一种适用于一般优化问题的高效搜索启发式算法，特别针对 Bayesian 最优实验设计问题，并通过评估死亡，药物动力学和逻辑回归模型的最优 Bayesian 实验设计来展示其优越性，作为中等规模设计问题（即大约 40 个维度）的计算高效性替代方法。
Mar, 2017
贝叶斯反问题鲁棒 A - 最优实验设计
为贝叶斯反演问题设计最优实验设计方案的一个高效算法方法，使最优设计对反问题的要素的错误估计具有鲁棒性。具体而言，我们考虑一种针对不确定或错误估计参数的最坏情况方法，提出了一种优化这些目标的算法方法，进行了深入的数值实验，以验证和分析所提出的方法。
May, 2023
基于贝叶斯实验设计的因果决策实际测试与上下文优化的高效性检验
本文提出了一种用于评估和改进因果机器学习模型下上下文治疗分配决策的数据采集框架，采用贝叶斯实验设计用于数据高效率评估和改进过去治疗分配的遗憾。与 A / B 测试等方法相比，我们的方法通过引入基于信息的设计目标来避免分配已知高度次优的治疗方法，同时进行探索以收集相关信息。我们的方法适用于离散和连续治疗，与其他基线相比，模拟研究表明了我们提出的信息理论方法具有更好的性能。
Jul, 2022