PulseAugur
中
实时 21:59:32
English(EN) Quality-Controlled Active Learning via Gaussian Processes for Robust Structure-Property Learning in Autonomous Microscopy

新的主动学习框架提高了显微镜数据质量

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员为自主显微镜开发了一种新的主动学习框架，该框架使用高斯过程和物理信息质量控制滤波器。该方法旨在通过在采集过程中自动识别和排除低质量或噪声数据来提高结构-属性学习的可靠性。在钛酸铅薄膜上的评估表明，这种门控方法优于标准主动学习和随机采样，从而获得更准确的预测。该框架已成功部署在铁酸铋薄膜的实时实验中，支持科学发现的混合自主模型。 AI

影响 提高了自主科学发现系统中数据采集的可靠性。

排序理由 学术论文，详细介绍了显微镜主动学习的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

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

新的主动学习框架提高了显微镜数据质量

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Jawad Chowdhury, Ganesh Narasimha, Jan-Chi Yang, Yongtao Liu, Rama Vasudevan ·

    Quality-Controlled Active Learning via Gaussian Processes for Robust Structure-Property Learning in Autonomous Microscopy

    arXiv:2603.29135v2 Announce Type: replace Abstract: Autonomous experimental systems are increasingly used in materials research to accelerate scientific discovery, but their performance is often limited by low-quality, noisy data. This issue is especially problematic in data-inte…

相关实体

相关话题