Le développement de plans d’expériences itératifs basés sur une approche bayésienne suscite de plus en plus d’intérêt comme le montrent ces deux articles :
- Boucliers, BJ, Stevens, J., Li, J., Parasram, M., Damani, F., Alvarado, JI M., ... & Doyle, AG (2021). Optimisation des réactions bayésiennes comme outil de synthèse chimique.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 réaliser 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.
@Florent_M merci pour la suggestion.Nous étudierons cette question plus en détail et reviendrons vers vous lorsque nous aurons plus d'informations à partager.
Salut @Florent_M , Merci pour votre suggestion! Nous avons pris en compte votre demande et la prendrons en considération.
Bonjour Florent_M. La nouvelle plateforme d'optimisation bayésienne de JMP 19 (sous Modélisation spécialisée) devrait répondre à toutes vos attentes (à l'exception peut-être de l'utilisation de différents types de modèles). Elle utilise une approche GaSP (Processus stochastique gaussien). N'hésitez pas à tester la nouvelle plateforme dans JMP 19 et à nous faire part de vos commentaires. Merci !
