中文

协方差链接同化方法用于未观测数据探索

材料科学 2025-09-11 v3

摘要

本研究提出了一种将基于多元高斯分布的数据同化技术与贝叶斯优化相结合的材料搜索方法。通过一对示例函数,证明了使用该方法进行搜索的效率。与仅使用普通贝叶斯优化相比,结合数据同化技术的贝叶斯优化能够更有效地找到示例函数的最大值。我们还通过构建(Sr1x1x2_{1-x_{1}-x_{2}}Lax1_{x_{1}}Nax2_{x_{2}})(Ti1x1x2_{1-x_{1}-x_{2}}Gax1_{x_{1}}Tax2_{x_{2}})O3_{3}带隙的数据同化模型,进行了实际演示。分析了带隙的浓度依赖性,并在训练数据稀疏的化学组成区域进行了合成实验,以验证预测结果。

关键词

引用

@article{arxiv.2408.08539,
  title  = {Covariance Linkage Assimilation method for Unobserved Data Exploration},
  author = {Yosuke Harashima and Takashi Miyake and Ryuto Baba and Tomoaki Takayama and Shogo Takasuka and Yasuteru Shigeta and Yuichi Yamaguchi and Akihiko Kudo and Mikiya Fujii},
  journal= {arXiv preprint arXiv:2408.08539},
  year   = {2025}
}

备注

8 pages, 5 figures