研究人员开发了一个 in-the-loop 元贝叶斯优化 (HL-MBO) 框架，以加速聚变能源等数据稀疏领域的科学发现。该方法将专家知识与少样本、面向不确定性的机器学习相结合，以建议最优实验。HL-MBO 在惯性约束聚变能量产率优化、分子优化以及超导材料临界温度识别方面，均展现出优于现有贝叶斯优化方法的性能。 AI
影响 引入了一个新颖的优化框架，有望加速聚变能源等高风险科学领域的发现。
排序理由 这是一篇介绍科学应用新框架的研究论文。
- Bayesian Optimization
- Human-in-the-Loop Meta Bayesian Optimization
- Inertial Confinement Fusion
- Soumyardini Sarkar
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
