Le développement de plans d'expériences itératifs basés sur une approche bayésienne gagne en intérêt comme le montrent ces deux articles :
- Boucliers, BJ, Stevens, J., Li, J., Parasram, M., Damani, F., Alvarado, JI M., ... & Doyle, AG (2021). Optimisation de la réaction bayésienne comme outil de synthèse chimique.La nature , 590 (7844), 89-96.
- Collines vertes., Rana, S., Gupta, S., Vellanki, P., & Venkatesh, S. (2020). Optimisation bayésienne pour la conception expérimentale adaptative : une revue.Accès IEEE , 8 , 13937-13948.
Un complément JMP est disponible pour mettre en œuvre cette approche ( https://community.jmp.com/t5/JMP-Add-Ins/Bayesian-optimization-add-in/ta-p/496785 ). Malheureusement, le complément manque de certaines fonctionnalités importantes telles que :
- l'utilisation de plusieurs types de modèles (notamment la forêt bootstrap)
- la gestion des variables discrètes
- la gestion des contraintes expérimentales
- la possibilité de faire plusieurs expériences par itération
Il serait très appréciable et utile de disposer d'une telle plateforme, notamment dans les domaines de la recherche exploratoire pour la conception de nouveaux matériaux.
