.png){kind=icon}
返回
Toward autonomous experimentation: Bayesian optimization over problem formulation space for accelerated alloy development
.png){kind=icon}
PRE
AI
DOI：10.1016/j.matdes.2026.116585.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
材料科学中的加速发现需要能够动态制定和解决设计问题的自主系统。本文介绍了一种新型框架，该框架利用贝叶斯优化在问题表述空间中进行寻优，以识别与决策者偏好一致的最优设计表述。通过将各种设计场景映射到多属性效用函数，本方法使系统能够在不预先要求精确问题定义的情况下平衡冲突目标（如延展性、屈服强度、密度和凝固范围）。我们通过针对气轮机叶片应用的Mo-Nb-Ti-V-W合金系统的计算机模拟案例研究验证了该方法的有效性。该框架收敛于一个“最佳点”，满足关键性能阈值，表明将问题表述发现集成到自主设计循环中可以显著简化实验过程。未来的工作将纳入人类反馈，以进一步增强系统在实际实验环境中的适应性。
Keyword:
Autonomous design
Bayesian materials discovery and development
Optimal problem formulation
Alloy development
Refractory high entropy alloys
