PulseAugur
实时 07:04:19

新的BEACON策略增强了昂贵发现任务中的新颖性搜索

研究人员推出了一种受贝叶斯优化启发的新颖性搜索策略BEACON。该方法适用于评估成本高昂的场景,例如材料科学和分子设计,旨在发现多样化的系统行为,而非单一的最佳结果。BEACON使用多输出高斯过程对输入-输出关系进行建模,并通过评估潜在的后验结果与先前观察到的数据之间的偏差来选择新的输入,同时考虑了预测不确定性和噪声。 AI

影响 这项研究通过提高探索广阔可能性空间的效率,有望加速材料科学和分子设计等领域的发现。

排序理由 该集群包含一篇详细介绍新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的BEACON策略增强了昂贵发现任务中的新颖性搜索

报道来源 [1]

  1. arXiv stat.ML TIER_1 English(EN) · Wei-Ting Tang, Ankush Chakrabarty, Joel A. Paulson ·

    BEACON:一种受贝叶斯优化启发的有效新颖性搜索策略

    arXiv:2406.03616v5 Announce Type: replace Abstract: Novelty search (NS) aims to uncover diverse system behaviors through simulation or experiment without requiring a pre-specified scalar objective. This capability is especially relevant to modern discovery problems in chemistry, …