BoTier：基于分层复合目标的多目标贝叶斯优化
机器学习
2025-01-28 v1 最优化与控制
统计方法学
机器学习
摘要
科学优化问题通常涉及平衡多个相互竞争的目标，这些目标既涉及实验结果（例如最大化反应产率），也涉及相应的输入参数（例如最小化昂贵试剂的使用）。通常，实际和经济考虑会定义这些目标之间的层级结构，这必须体现在用于样本高效实验计划的算法中。本文介绍BoTier，一种复合目标，可灵活表示对实验结果和输入参数之间偏好层级。我们在合成和真实表面上提供了系统性基准测试，展示了BoTier在多种用例中的稳健适用性。重要的是，BoTier以可自动微分的方式实现，使其能够无缝集成到BoTorch库中，从而促进科学界的采用。
引用
@article{arxiv.2501.15554,
title = {BoTier: Multi-Objective Bayesian Optimization with Tiered Composite Objectives},
author = {Mohammad Haddadnia and Leonie Grashoff and Felix Strieth-Kalthoff},
journal= {arXiv preprint arXiv:2501.15554},
year = {2025}
}