HypBO: Expert-Guided Chemist-in-the-Loop Bayesian Search for New Materials

要約

ロボット工学と自動化は、材料発見などの難解で多変量の科学的問題の解決を大幅に加速しますが、利用可能な検索スペースは気が遠くなるような大きさになる可能性があります。
ベイジアン最適化 (BO) は、サンプル効率の高い最適化エンジンとして人気があり、ターゲット関数/プロパティの分析形式が不明なタスクで活躍します。
ここでは、人間の専門知識を仮説の形で活用して、ベイジアン検索をより迅速に化学空間の有望な領域に誘導します。
これまでの方法では、既存の実験測定から得られた基礎となる分布が使用されていましたが、これは新しい未調査の科学的タスクには実行できませんでした。
また、そのような分布では複雑な仮説を捉えることができません。
HypBO と呼ばれる私たちが提案する方法は、専門家による人間の仮説を使用して、改良されたサンプルのシードを生成します。
有望でないシードは自動的に割り引かれますが、有望なシードは代理モデル データを増強するために使用されるため、より適切な情報に基づいたサンプリングが実現されます。
このプロセスは、グローバル検索とローカル検索の方法で継続され、2 レベルの最適化フレームワークで組織されます。
私たちは、さまざまな合成関数に対するメソッドのパフォーマンスを検証し、専門家の仮説を使用することで検索パフォーマンスが大幅に向上する実際の化学設計タスクでの実用性を実証します。

要約(オリジナル)

Robotics and automation offer massive accelerations for solving intractable, multivariate scientific problems such as materials discovery, but the available search spaces can be dauntingly large. Bayesian optimization (BO) has emerged as a popular sample-efficient optimization engine, thriving in tasks where no analytic form of the target function/property is known. Here we exploit expert human knowledge in the form of hypotheses to direct Bayesian searches more quickly to promising regions of chemical space. Previous methods have used underlying distributions derived from existing experimental measurements, which is unfeasible for new, unexplored scientific tasks. Also, such distributions cannot capture intricate hypotheses. Our proposed method, which we call HypBO, uses expert human hypotheses to generate an improved seed of samples. Unpromising seeds are automatically discounted, while promising seeds are used to augment the surrogate model data, thus achieving better-informed sampling. This process continues in a global versus local search fashion, organized in a bilevel optimization framework. We validate the performance of our method on a range of synthetic functions and demonstrate its practical utility on a real chemical design task where the use of expert hypotheses accelerates the search performance significantly.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google