El desarrollo del diseño iterativo de experimentos basado en un enfoque bayesiano está ganando interés como se muestra en estos dos artículos:
- Escudos, BJ, Stevens, J., Li, J., Parasram, M., Damani, F., Alvarado, J.I. METRO., ... y Doyle, AG (2021). Optimización de la reacción bayesiana como herramienta para la síntesis química.Naturaleza , 590 (7844), 89-96.
- Colinas verdes., Rana, S., Gupta, S., Vellanki, P., y Venkatesh, S. (2020). Optimización bayesiana para el diseño experimental adaptativo: una revisión.acceso IEEE , 8 , 13937-13948.
Hay disponible un complemento JMP para implementar este enfoque ( https://community.jmp.com/t5/JMP-Add-Ins/Bayesian-optimization-add-in/ta-p/496785 ). Desafortunadamente, el complemento carece de algunas características importantes como:
- el uso de varios tipos de modelos (en particular el bosque bootstrap)
- la gestión de variables discretas
- la gestión de restricciones experimentales
- la posibilidad de ejecutar varios experimentos por iteración
Sería muy apreciable y útil disponer de una plataforma de este tipo, especialmente en los campos de la investigación exploratoria para el diseño de nuevos materiales.
@Florent_M gracias por la sugerencia.Investigaremos esto más a fondo y nos comunicaremos con usted cuando tengamos más información para compartir.
Hola @Florent_M , ¡Gracias por su sugerencia! Hemos capturado su solicitud y la tomaremos en consideración.
Hola Florent_M. La nueva plataforma de Optimización Bayesiana en JMP 19 (en Modelado Especializado) debería satisfacer todas tus necesidades (excepto, posiblemente, el uso de diferentes tipos de modelos). La plataforma utiliza un enfoque de modelo GaSP (Proceso Estocástico Gaussiano). Por favor, prueba la nueva plataforma en JMP 19 y dinos qué te parece. ¡Gracias!
