如以下两篇文章所示，基于贝叶斯方法的实验迭代设计的发展正在引起人们的兴趣：
-盾牌，BJ， 史蒂文斯，J.， 李，J.， 帕拉斯拉姆，M.， 达马尼，F.， 阿尔瓦拉多，吉 米， ... & Doyle, AG （2021 年）。 贝叶斯反应优化作为化学合成的工具。自然, 590 (7844), 89-96。
-青山。， 拉纳，S.， 古普塔，S.， 韦兰基，P.， & Venkatesh, S. (2020)。 自适应实验设计的贝叶斯优化：综述。IEEE 访问, 8 , 13937-13948。
JMP 插件可用于实施此方法（ https://community.jmp.com/t5/JMP-Add-Ins/Bayesian-optimization-add-in/ta-p/496785 )。 不幸的是，该加载项缺少一些重要功能，例如：
- 使用几种模型类型（特别是引导森林）
- 离散变量的管理
- 实验约束的管理
- 每次迭代运行多个实验的可能性
拥有这样一个平台将是非常可观和有用的，特别是在新材料设计的探索性研究领域。
