美國能源部貝葉斯優化基於貝葉斯方法的實驗迭代設計的發展正在引起人們的興趣，如這兩篇文章所示：
-希爾茲，北京， 史蒂文斯，J.， 李傑， 帕拉斯拉姆，M.， 達馬尼，F.， 阿爾瓦拉多，JI 米， ……＆多伊爾，AG （2021）。 貝葉斯反應優化作為化學合成的工具。自然, 590 （7844），89-96。
-青山。， 拉納，S.， 古普塔，S.， 韋蘭基，P.， ＆文卡特什，S.（2020）。 自適應實驗設計的貝葉斯優化：回顧。IEEE存取, 8 ，13937-13948。
JMP 外掛程式可用於實作此方法（ https://community.jmp.com/t5/JMP-Add-Ins/Bayesian-optimization-add-in/ta-p/496785 ）。 不幸的是，該加載項缺少一些重要的功能，例如：
- 多種模型類型的使用（特別是引導森林）
- 離散變數的管理
- 實驗限制的管理
- 每次迭代運行多個實驗的可能性
擁有這樣一個平台將是非常值得和有用的，特別是在新材料設計的探索性研究領域。
實驗設計回覆：DoE 貝葉斯優化 - 狀態更改為：正在調查@Florent_M謝謝你的建議。我們將進一步調查此事，並在有更多資訊可供分享時回覆您。
回覆：DoE 貝葉斯優化 - 狀態變更為：已確認你好@Florent_M ， 謝謝你的建議！ 我們已收到您的請求並將予以考慮。
回覆：DoE 貝葉斯優化 - 狀態更改為：是，敬請期待！回覆：DoE 貝葉斯優化 - 狀態更改為：已交付您好，Florent_M。 JMP 19 中新增的貝葉斯最佳化平台（專業建模下）應該可以滿足您在此方面的所有需求（除了可能使用的模型類型不同）。本平台採用 GaSP（高斯隨機過程）模型方法。請測試 JMP 19 中的新平台，並告訴我們您的使用感受。謝謝！
