A dynamic Bayesian optimized active recommender system for curiosity-driven Human-in-the-loop automated experiments

要約

タイトル: 好奇心に基づく人間中心の自動実験のためのダイナミックベイジアン最適化アクティブリコメンダーシステム

要約:
– 最近10年間で、活発に実験材料合成や特性の最適化に向けたアクティブラーニングの最適化が進んできている。
– ほとんどの場合、最適化の対象特性は事前に定義され、操作中の人間のフィードバックは限られている。
– ここでは、人間と機械学習の協力による新しいタイプの実験的な作業の開発を紹介する。
– 人間のフィードバックを使用して、ターゲットを調整し、Baysian Optimized Active Recommender System（BOARS）を使用して、実験的なワークフローを作成する。
– フェロ電気薄膜の圧電反応力分光法の事前に取得したデータの例を用いて、このフレームワークを紹介し、最適化を実施する。
– 最適化は、対称的な圧電反応振幅ヒステリシスループを探すためのAFMにも実装される。
– 結果として、このような特徴は、表面下の欠陥よりも局地的なドメイン構造により影響を受けやすいことがわかった。
– 今回の分析は、チュートリアル目的および他のデータへの適用のためにColab Notebookにまとめられている。https://github.com/arpanbiswas52/varTBO

要約(オリジナル)

Optimization of experimental materials synthesis and characterization through active learning methods has been growing over the last decade, with examples ranging from measurements of diffraction on combinatorial alloys at synchrotrons, to searches through chemical space with automated synthesis robots for perovskites. In virtually all cases, the target property of interest for optimization is defined apriori with limited human feedback during operation. In contrast, here we present the development of a new type of human in the loop experimental workflow, via a Bayesian optimized active recommender system (BOARS), to shape targets on the fly, employing human feedback. We showcase examples of this framework applied to pre-acquired piezoresponse force spectroscopy of a ferroelectric thin film, and then implement this in real time on an atomic force microscope, where the optimization proceeds to find symmetric piezoresponse amplitude hysteresis loops. It is found that such features appear more affected by subsurface defects than the local domain structure. This work shows the utility of human-augmented machine learning approaches for curiosity-driven exploration of systems across experimental domains. The analysis reported here is summarized in Colab Notebook for the purpose of tutorial and application to other data: https://github.com/arpanbiswas52/varTBO

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI