Paddy：面向化学体系与空间的进化优化算法
最优化与控制
2024-03-25 v1 化学物理
应用统计
摘要
算法与分析方法的指导增强并实现了化学体系与过程的优化。尽管许多方法会系统性地探究底层变量如何支配给定结果，但通常需要大量实验才能精确建模这些关系。随着化学体系复杂性的增加，非穷举过程必须提出能高效优化底层目标的实验，同时理想地避免收敛于不理想的局部极小值。我们围绕 Paddy Field 算法开发了 Paddy 软件包，这是一种受生物启发的进化优化算法，可在不直接推断底层目标函数的情况下传播参数。以 Hyperopt 软件库中实现的贝叶斯算法——Parzen 估计器树为基准，Paddy 展现出运行时间更短的高效优化能力，并能避免过早收敛。本文报告了以下案例的研究结果：二维双峰分布的全局优化、不规则正弦函数的插值、负责为反应组分分类溶剂的 artificial neural network 的超参数优化，以及通过优化解码器网络输入向量实现的目标分子生成。我们预计 Paddy 的简便特性将有助于自动化实验，其中最小化试验次数和/或合适解的多样性具有高度优先级。
引用
@article{arxiv.2403.15101,
title = {Paddy: Evolutionary Optimization Algorithm for Chemical Systems and Spaces},
author = {Armen Beck and Jonathan Fine and Gaurav Chopra},
journal= {arXiv preprint arXiv:2403.15101},
year = {2024}
}