研究人员开发了 CurryBO，这是一个新的贝叶斯优化框架，旨在高效地识别在多种底物上表现良好的通用化学反应条件。该方法将问题形式化为对柯里化函数的贝叶斯优化，允许对通用性进行各种定义，并支持不同的底物和条件选择策略。在四个基准任务上的评估表明，CurryBO 通过优先考虑条件选择中的探索和指导性的底物优先级排序，显著提高了样本效率，优于现有方法。 AI
影响 该框架通过提高化学反应实验规划的效率，有可能加速科学发现。
排序理由 这是一篇研究论文，详细介绍了科学领域优化新算法框架。[lever_c_demoted from research: ic=1 ai=0.7]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
