베이지안 접근법을 기반으로 한 반복 실험 설계의 개발은 다음 두 기사에서 볼 수 있듯이 관심을 끌고 있습니다.
- 쉴즈, BJ, 스티븐스, J., 리제이, 파라스람, M., 다마니, F., 알바라도, 지사 중., ... & 도일, AG (2021). 화학 합성 도구로서의 베이지안 반응 최적화.자연 , 590 (7844), 89-96.
- 녹색 언덕들., 라나, S., 굽타, S., 벨란키, P., & Venkatesh, S. (2020). 적응형 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 ). 안타깝게도 추가 기능에는 다음과 같은 몇 가지 중요한 기능이 부족합니다.
- 여러 모델 유형 사용(특히 부트스트랩 포리스트)
- 이산형 변수 관리
- 실험적 제약의 관리
- 반복마다 여러 실험을 실행할 수 있는 가능성
특히 신소재 설계를 위한 탐구 연구 분야에서 이러한 플랫폼을 사용할 수 있다면 매우 감사하고 유용할 것입니다.
@플로렌트_M 제안해주셔서 감사합니다.이 문제를 더 자세히 조사한 후 공유할 정보가 더 있으면 다시 연락드리겠습니다.
안녕 @플로렌트_M , 제안해 주셔서 감사합니다! 귀하의 요청을 포착했으며 이를 고려할 것입니다.
안녕하세요 Florent_M님, JMP 19의 새로운 베이지안 최적화 플랫폼(특수 모델링)은 이 요청 사항(다양한 모델 유형 사용은 제외)을 모두 충족할 것입니다. 이 플랫폼은 GaSP(Gaussian Stochastic Process) 모델 접근법을 사용합니다. JMP 19에서 새로운 플랫폼을 테스트해 보시고 의견을 남겨주세요. 감사합니다!
