English(EN) Optimization of time-consuming experimental conditions using pseudo-experimental data guided by adaptive polynomial regression

新的PolyBO方法可大幅缩短实验优化时间

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-27 04:00

研究人员开发了一种名为PolyBO的新方法，以加速涉及耗时实验的优化过程。PolyBO使用自适应更新的多项式回归模型生成高质量的伪实验数据，即使在真实实验数据有限的情况下也能实现。该方法显著减少了优化时间，在合成基准测试中实现了中位数42%的缩减，并在实际的材料成分优化问题中取得了高达96%的惊人效果。 AI

影响该方法有望通过减少材料科学等领域实验优化所需的时间来加速科学发现。

排序理由该集群包含一篇详细介绍新优化方法的学术论文。[lever_c_demoted from research: ic=1 ai=0.7]

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 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Hirotaka Sugawara, Yujin Taguchi, Kei Minagawa, Yusuke Hiki, Takashi Morikura, Akira Funahashi · 2026-07-27 04:00

Optimization of time-consuming experimental conditions using pseudo-experimental data guided by adaptive polynomial regression

arXiv:2607.22238v1 Announce Type: new Abstract: Bayesian optimization (BO) is an optimization method that sequentially proposes the next candidate explainable variables for optimizing target variables by balancing exploration and exploitation. BO is often used under a limited eva…

报道来源 [1]

Optimization of time-consuming experimental conditions using pseudo-experimental data guided by adaptive polynomial regression

相关实体

相关话题