揭示初始选择与环内干预对自主扫描探针显微镜中学习动态的影响
机器学习
2024-08-27 v2 材料科学
摘要
自主实验（AE）当前的重点是开发稳健的工作流程以有效实施AE。这需要明确的方法来指导AE过程，包括超参数调优策略和工作流环内的高层次人工干预。本文全面分析了在扫描探针显微镜的AE领域中，初始实验条件和环内干预对深度核学习（DKL）学习动态的影响。我们探讨了“种子效应”的概念，即初始实验设置对后续学习轨迹有重大影响。此外，我们引入了一种AE中的种子点干预方法，允许操作者影响探索过程。利用PbTiO3薄膜的压电力显微镜（PFM）数据集，我们展示了“种子效应”和环内种子干预对DKL预测材料特性有效性的影响。本研究强调了初始选择和自适应干预在优化学习速率和提高自动化材料表征效率方面的重要性。这项工作为在显微镜领域设计更稳健、更有效的AE工作流程提供了宝贵见解，并具有跨多种表征技术的潜在应用。支持该基金的分析代码已公开于https://github.com/Slautin/2024_Seed_effect_DKL_BO。
引用
@article{arxiv.2402.00071,
title = {Unraveling the Impact of Initial Choices and In-Loop Interventions on Learning Dynamics in Autonomous Scanning Probe Microscopy},
author = {Boris N. Slautin and Yongtao Liu and Hiroshi Funakubo and Sergei V. Kalinin},
journal= {arXiv preprint arXiv:2402.00071},
year = {2024}
}
备注
24 pages, 11 figures