主动学习中的自主扫描探针显微术专家知识探索（SEEK）
材料科学
2024-08-06 v1 应用物理
摘要
显微技术在材料科学、生物学和纳米技术中发挥着重要作用，提供高分辨率成像和对纳米尺度及原子尺度属性的深入洞察。显微实验的自动化结合机器学习方法是一种变革性的进展，提高了效率、可重复性，并能够执行复杂实验。我们之前的工作在扫描探针显微术（SPM）上 demonstrated 了一种使用深度核学习（DKL）的主动学习框架，用于发现结构-性质关系。该方法在各种显微技术中 demonstrate 了广泛应用。本文为解决基于 DKL 的工作流程局限性，发展了方法将先验知识和人类兴趣纳入 DKL 工作流程中，并在 SPM 中实现了这些工作流程。通过整合结构库或光谱特征的预期奖励，我们提高了自主显微术的探索效率， demonstrate 更高效、更具针对性的探索。我们在 SPM 中 demonstrate了这些方法的应用，但建议这些方法可以无缝应用于其他显微和成像技术。此外，这一概念可适用于材料发现中广泛的自主实验领域的贝叶斯优化。
引用
@article{arxiv.2408.02071,
title = {Scientific Exploration with Expert Knowledge (SEEK) in Autonomous Scanning Probe Microscopy with Active Learning},
author = {Utkarsh Pratiush and Hiroshi Funakubo and Rama Vasudevan and Sergei V. Kalinin and Yongtao Liu},
journal= {arXiv preprint arXiv:2408.02071},
year = {2024}
}