用于教育的低成本机器人科学套件及用于假设发现与验证的符号回归
材料科学
2022-06-15 v3 机器学习
机器人学
摘要
下一代物理科学涉及机器人科学家——能够在闭环中自主进行实验设计、执行与分析的自主物理科学系统。此类系统已在科学探索与发现中展现真实世界的成功，包括首次发现最佳级材料。为构建并使用这些系统，下一代劳动力需要在机器学习、控制系统、测量科学、材料合成、决策理论等多个领域的专业知识。然而教育已然滞后。教育者需要低成本、易用的平台来教授所需技能。产业界也可使用此类平台开发和评估自主物理科学方法。我们提出下一代科学教育，一个用于构建低成本自主科学家的套件。该套件在马里兰大学的两门课程中用于教导本科与研究生自主物理科学。我们讨论其在课程中的使用及教授自主模型探索、优化与判定双重任务的更大能力，并以自主实验“发现” Henderson-Hasselbalch 方程为例。
引用
@article{arxiv.2204.04187,
title = {A Low-Cost Robot Science Kit for Education with Symbolic Regression for Hypothesis Discovery and Validation},
author = {Logan Saar and Haotong Liang and Alex Wang and Austin McDannald and Efrain Rodriguez and Ichiro Takeuchi and A. Gilad Kusne},
journal= {arXiv preprint arXiv:2204.04187},
year = {2022}
}