Lo sviluppo della progettazione iterativa di esperimenti basati su un approccio bayesiano sta guadagnando interesse, come mostrato in questi due articoli:
- Scudi, BJ, Stevens, J., Li, J., Parasram, M., Damani, F., Alvarado, JI M., ... & Doyle, AG (2021). Ottimizzazione della reazione bayesiana come strumento per la sintesi chimica.Natura , 590 (7844), 89-96.
- Colline verdi., Rana, S., Gupta, S., Vellanki, P., & Venkatesh, S. (2020). Ottimizzazione bayesiana per la progettazione sperimentale adattativa: una revisione.Accesso IEEE , 8 , 13937-13948.
È disponibile un componente aggiuntivo JMP per implementare questo approccio ( https://community.jmp.com/t5/JMP-Add-Ins/Bayesian-optimization-add-in/ta-p/496785 ). Sfortunatamente, il componente aggiuntivo manca di alcune funzionalità importanti come:
- l'uso di diversi tipi di modello (in particolare il bootstrap forest)
- la gestione delle variabili discrete
- la gestione dei vincoli sperimentali
- la possibilità di eseguire più esperimenti per iterazione
Sarebbe molto apprezzabile e utile avere a disposizione una piattaforma del genere, soprattutto nei campi della ricerca esplorativa per la progettazione di nuovi materiali.
