通过生成模型的贝叶斯优化引导搜索期望功能响应：铁电体滞回环形状设计
无序系统与神经网络
2020-08-11 v3 材料科学
计算物理
摘要
多个学科中预测建模的进展已产生能够高保真预测材料宏观功能响应的生成模型。相应地，人们关注寻找可产生期望宏观响应（如应力-应变曲线、铁电滞回环等）的模型参数的反问题。本文提出并实现一种基于高斯过程的方法，可有效采样复杂非局域模型的退化参数空间，输出能产生期望功能的参数空间区域。我们讨论了采集函数与采样函数的具体适配，以使过程高效，并平衡对多个可能极小值的参数空间高效探索与对目标行为最优化的感兴趣区域进行密集采样的利用。该方法通过铁电材料中的滞回环设计予以说明，但可适配于其他功能与生成模型。代码已开源，可在 [github.com/ramav87/Ferrosim] 获取。
引用
@article{arxiv.2004.12512,
title = {Guided search for desired functional responses via Bayesian optimization of generative model: Hysteresis loop shape engineering in ferroelectrics},
author = {Sergei V. Kalinin and Maxim Ziatdinov and Rama K. Vasudevan},
journal= {arXiv preprint arXiv:2004.12512},
year = {2020}
}
备注
Update title to match the journal one