基于多目标优化与主动材料的全自主材料设计框架：挑战与下一步
机器学习
2023-04-18 v1
摘要
为了在数据获取成本高且存在多个竞争性设计准则的真实世界自动驾驶实验室中部署机器学习，系统需要能够智能采样，同时平衡性能权衡与约束。出于这些原因，我们提出了一种基于多目标黑盒优化与持续更新机器学习模型的主动学习流程。该工作流构建于开源技术之上，用于实时数据流传输与模块化多目标优化软件开发。我们通过连续流化学实验室的自主运行展示了该工作流的概念验证，其确定了电解质 2,2,2-三氟乙基甲基碳酸酯的理想制造条件。
引用
@article{arxiv.2304.07445,
title = {A framework for fully autonomous design of materials via multiobjective optimization and active learning: challenges and next steps},
author = {Tyler H. Chang and Jakob R. Elias and Stefan M. Wild and Santanu Chaudhuri and Joseph A. Libera},
journal= {arXiv preprint arXiv:2304.07445},
year = {2023}
}