面向氧化物薄膜生长的物理信息获取加权贝叶斯优化
材料科学
2026-02-06 v1
摘要
我们提出了一种物理信息贝叶斯优化（PIBO），并对其获取函数进行简洁的修改，以纳入物理先验知识。具体而言，该方法将期望改进（EI）乘以编码先验晶体生长物理的权重。当应用于 LaAlO3 分子束真空沉积时，权重函数定义平坦的化学计量窗口并惩罚超出窗口的提议，从而将优化引导 toward 物理上可信的区域，同时保持受控的探索。在闭环优化中，相对于常规 EI（通常提议超化学计量条件），加权 EI 将搜索约束 toward 化学计量区域，同时保留足够的灵活性以探索相邻条件，最终识别出略超出化学计量窗口的最优条件。在仅进行 15 次生长运行后，生长的 LaAlO3 薄膜的晶格常数收敛至 bulk 值，证明了针对理想化学计量生长的高效快速优化。由于物理知识仅通过权重函数纳入，方法只需对标准 BO 工作流程进行最小修改，即适用于其他材料系统，为 AI 驱动材料合成提供了一条通用且实用的路径。
引用
@article{arxiv.2602.05350,
title = {Physics-informed acquisition weighting for stoichiometry-constrained Bayesian optimization of oxide thin-film growth},
author = {Yuki K. Wakabayashi and Takuma Otsuka and Yoshiharu Krockenberger and Yoshitaka Taniyasu},
journal= {arXiv preprint arXiv:2602.05350},
year = {2026}
}