Leichte und fluffige Cupcakes haben etwas Unwiderstehliches! Auf den ersten Blick mögen diese leckeren Desserts einfach erscheinen, aber Bäcker wissen, dass das perfekte Rezept mühsames Ausprobieren erfordert.
In der Vergangenheit hatte ich Schwierigkeiten, den Aufgehensprozess zu meistern. Cupcakes benötigen Luftblasen im Teig, um eine leichte und lockere Konsistenz zu erhalten. Dies gelingt normalerweise mit zwei Methoden: mit Backpulver und durch das Vermischen von Eiern und Zucker.
Forschungsfrage: Was ist die ideale Mischzeit (von Eiern und Zucker) und die optimale Menge an Backpulver, die benötigt wird, um ein maximales Aufgehen der Cupcakes zu erreichen, ohne ihre leichte Qualität zu beeinträchtigen?
Warum sollte man die Bayes-Optimierung zum Backen verwenden?
Der Hauptgrund für die Verwendung ist der zeitaufwändige Backprozess für Cupcakes! Da die Bayesianische Optimierung aktives und adaptives Lernen nutzt, können unnötige Tests potenziell reduziert werden. Cupcakes reagieren außerdem auf kleine Veränderungen. Traditionelle Versuchsanordnungen können den angestrebten optimalen Bereich übersehen.
Antworten/Ziele
- Maximale Höhe (cm) : zwischen 2-6 cm
- Minimieren Sie das Gewicht (oz) : zwischen 0,5 und 3 oz
Faktoren
- Mischzeit (min) für Eier und Zucker: begrenzt auf 1-10 Minuten
- Backpulver (oz) : begrenzt auf 0,01–0,15 oz
Das Rezept für diese Studie wurde für die Verwendung einer Standard-Küchenwaage in Unzen umgerechnet. Alle Zutaten außer Backpulver wurden unverändert beibehalten.
Das Rezept
| Eier |
0,9 Unzen |
| Butter |
1 Unze |
| Milch |
2,25 Unzen |
| Mehl |
2,25 Unzen |
| Backpulver |
VARIIERT (0,08 oz) |
| Salz |
0,02 Unzen |
| Zucker |
1,5 Unzen |
Verfahren
Eier und Zucker mit einem Handmixer für eine bestimmte Zeit verrühren, die von der Bayesianischen Optimierungsplattform in JMP Pro vorgegeben wird. Anschließend geschmolzene Butter, Milch und die trockenen Zutaten mit den Eiern und dem Zucker vermengen. Kleine Mengen der trockenen Zutaten in die feuchte Mischung einrühren, maximal 30 Sekunden einwirken lassen.
Geben Sie 50 g Teig in eine Cupcake-Förmchen und legen Sie diese auf ein Backblech. Backen Sie den Cupcake 25 Minuten lang bei 175 °C.
Nehmen Sie den Cupcake aus der Backform und messen Sie die Höhe (in cm) mit einem Standardlineal. Messen Sie das Gewicht in Unzen mit der Küchenwaage (Verpackung liegt bei).
Ergebnisse aufzeichnen und mit dem nächsten Versuch beginnen.
Ergebnisse
Ausgehend von zwei ersten Versuchen als historische Daten waren sechs Iterationen der Bayesianischen Optimierung erforderlich, um eine optimale Mischzeit und Backpulvermenge zu erreichen. Siehe die Datentabelle unten:
Die besten Ergebnisse der Bayesianischen Optimierung : Eier und Zucker neun Minuten lang verrühren, dazu 35 g Backpulver. Versuchsdurchläufe mit diesen Mengen ergaben hohe Cupcakes mit reduziertem Gewicht.
The winner (with icing)!The winner (with icing)!The winner (with icing)!The winner (with icing)!The winner (with icing)!Der Gewinner (mit Zuckerguss)!
Cupcakes from experimental runs. Notice the height differences, which are between 0.8-1.5 cm.Cupcakes from experimental runs. Notice the height differences, which are between 0.8-1.5 cm.Cupcakes from experimental runs. Notice the height differences, which are between 0.8-1.5 cm.Cupcakes from experimental runs. Notice the height differences, which are between 0.8-1.5 cm.Cupcakes from experimental runs. Notice the height differences, which are between 0.8-1.5 cm.Cupcakes aus Versuchsdurchläufen. Beachten Sie die Höhenunterschiede, die zwischen 0,8 und 1,5 cm liegen.
Schlussfolgerungen
Trotz unvermeidlicher Messfehler beim Backen waren die fertigen Cupcakes, die durch Bayesianische Optimierung hergestellt wurden, recht lecker. :smiling_face_with_smiling_eyes: . Die Cupcakes waren groß und luftig, perfekt für eine Geburtstagsparty!
Insgesamt war diese Backsession ein voller Erfolg, da die Ziele, die Cupcake-Höhe zu maximieren und das Gewicht zu minimieren, erreicht wurden. Dieses einfache Beispiel ist eine der unzähligen Anwendungen der Bayesianischen Optimierung in JMP Pro.
Ein sehr schönes, einfaches Beispiel für datengesteuerte experimentelle Optimierung. Ich liebe es.
Sehr schöner und einfacher Anwendungsfall @bradley_bowen , danke fürs Teilen!
Aufgrund ihrer iterativen Natur eignet sich die Bayes'sche Optimierung sehr einfach und schnell für schöne animierte Visualisierungen, um die Mechanismen und die Funktionsweise des Algorithmus besser zu verstehen.
Ich habe Ihren Datensatz reproduziert und dieses Blasendiagramm erstellt, das zeigt, wo der Algorithmus Punkte in Ihrem Versuchsraum empfohlen hat, mit der Vorhersageformel für die Höhenreaktion als Hintergrundbild.
Es ist auch möglich zu zeigen, wie sich die vorhergesagte Oberflächenreaktion mit zusätzlichen Punkten und mehr Informationen ändert oder wie die vorhergesagte Varianz im experimentellen Raum reduziert werden kann.
Tolle Arbeit, @bradley_bowen – es ist toll zu sehen, wie die Bayessche Optimierung sogar für etwas wie Backen angewendet werden kann!
@Victor_G - das ist ein toller Tipp zur Visualisierung, ich könnte diese Idee klauen:)
