Npj Comput. Mater.: 进化引导的贝叶斯优化：带约束多目标优化

文章预览

海归学者发起的公益学术平台 分享信息，整合资源 交流学术，偶尔风月 随着实验室自动化程度的提高以及指导优化过程的新型机器学习工具的发展，近年来在材料科学领域兴起了材料加速平台。高通量实验平台目前支持快速合成程序、在线材料表征和工作流程并行化，便于批量采样。相应地，材料科学和化学领域中的许多科学和工程挑战需要满足多个目标和约束，这引起了人们对于寻找带约束多目标优化问题（cMOOPs）求解框架的兴趣。虽然高通量实验平台能够对cMOOPs进行更快、更广泛的采样，但出于操作和化学成本、可用的反应物数量有限、以及时间因素等多方面考虑，评估预算通常限制在 10 2 至 10 3 个样本之间。在处理冲突目标时，cMOOPs的复杂性更为明显，因为人们不仅需要找到一个全局最优，而且需要找到所有目标的最优集合，这被称为帕 ………………………………