Die Entwicklung eines iterativen Versuchsdesigns basierend auf einem Bayes'schen Ansatz gewinnt an Interesse, wie in diesen beiden Artikeln gezeigt wird:
- Schilde, BJ, Stevens, J., Li, J., Parasram, M., Damani, F., Alvarado, JI M., ... & Doyle, AG (2021). Bayessche Reaktionsoptimierung als Werkzeug für die chemische Synthese.Natur , 590 (7844), 89-96.
- Grüne Hügel., Rana, S., Gupta, S., Vellanki, P., & Venkatesh, S. (2020). Bayessche Optimierung für adaptives experimentelles Design: eine Überprüfung.IEEE-Zugriff , 8 , 13937-13948.
Zur Implementierung dieses Ansatzes ist ein JMP-Add-In verfügbar ( https://community.jmp.com/t5/JMP-Add-Ins/Bayesian-optimization-add-in/ta-p/496785 ). Leider fehlen dem Add-In einige wichtige Funktionen wie:
- die Verwendung mehrerer Modelltypen (insbesondere des Bootstrap Forest)
- die Verwaltung diskreter Variablen
- das Management experimenteller Einschränkungen
- die Möglichkeit, mehrere Experimente pro Iteration durchzuführen
Es wäre sehr wünschenswert und nützlich, eine solche Plattform zur Verfügung zu haben, insbesondere in den Bereichen der explorativen Forschung für das Design neuer Materialien.
