贝叶斯筛选：应用于计算机模拟材料筛选的多测试贝叶斯优化
机器学习
2020-09-14 v1 机器学习
最优化与控制
应用统计
摘要
我们提出了用于大规模材料筛选应用的新型多测试贝叶斯优化模型与算法。我们的筛选问题围绕两个测试设计，一个昂贵，一个廉价。本文与其他近期多测试贝叶斯优化工作的不同之处在于使用了一个灵活的模型，该模型允许廉价测试分数与昂贵测试分数之间存在复杂的非线性关系。这种额外的建模灵活性在我们所描述的材料筛选应用中至关重要。我们在一类合成玩具问题以及来自两项大规模筛选研究的真实数据上展示了我们新算法的威力。
引用
@article{arxiv.2009.05418,
title = {Bayesian Screening: Multi-test Bayesian Optimization Applied to in silico Material Screening},
author = {James Hook and Calum Hand and Emma Whitfield},
journal= {arXiv preprint arXiv:2009.05418},
year = {2020}
}