베이지안 접근 방식을 기반으로 한 반복 실험 설계의 개발은 다음 두 기사에서 볼 수 있듯이 관심을 얻고 있습니다.
- 쉴즈, BJ, 스티븐스, J., 리, 제이, 파라스람, 엠., 다마니, F., 알바라도, 지리 중., ... & Doyle, AG (2021). 화학 합성을 위한 도구로서의 베이지안 반응 최적화.자연 , 590 (7844), 89-96.
- 녹색 언덕들., 라나, S., 굽타, 에스., 벨란키, P., & Venkatesh, S. (2020). 적응 실험 설계를 위한 베이지안 최적화: 검토.IEEE 액세스 , 8 , 13937-13948.
이 접근 방식을 구현하기 위해 JMP 추가 기능을 사용할 수 있습니다( https://community.jmp.com/t5/JMP-Add-Ins/Bayesian-optimization-add-in/ta-p/496785 ). 불행히도 추가 기능에는 다음과 같은 몇 가지 중요한 기능이 없습니다.
- 여러 모델 유형의 사용(특히 부트스트랩 포리스트)
- 이산 변수 관리
- 실험적 제약의 관리
- 반복당 여러 실험을 실행할 수 있는 가능성
특히 새로운 재료 설계를 위한 탐색적 연구 분야에서 그러한 플랫폼을 사용할 수 있다는 것은 매우 감사하고 유용할 것입니다.
