BoFire: Bayesian Optimization Framework Intended for Real Experiments

要約

当社のオープンソース Python パッケージ BoFire は、ベイジアン最適化 (BO) と、新しい化学の開発と最適化に焦点を当てた他の実験計画法 (DoE) 戦略を組み合わせています。
たとえば、文献やソフトウェアに存在する以前の BO 実装は、化学産業における効果的な現実世界への展開のために大幅な適応を必要とします。
BoFire は、広範な構成可能性を備えた豊富な機能セットを提供し、保守可能なオープンソース ソフトウェアを通じて産業利用への研究貢献を迅速に追跡するという当社のビジョンを実現します。
BoFire は、問題定式化の JSON シリアル化機能などのクオリティ オブ ライフ機能により、自動運転研究所と人間参加型セットアップの両方に共通のアーキテクチャ コンポーネントである RESTful API への BO のシームレスな統合を可能にします。
このペーパーでは、BoFire と他の BO 実装の違いについて説明し、BO 研究を化学現場での実際の使用に適応させる必要がある方法の概要を説明します。

要約(オリジナル)

Our open-source Python package BoFire combines Bayesian Optimization (BO) with other design of experiments (DoE) strategies focusing on developing and optimizing new chemistry. Previous BO implementations, for example as they exist in the literature or software, require substantial adaptation for effective real-world deployment in chemical industry. BoFire provides a rich feature-set with extensive configurability and realizes our vision of fast-tracking research contributions into industrial use via maintainable open-source software. Owing to quality-of-life features like JSON-serializability of problem formulations, BoFire enables seamless integration of BO into RESTful APIs, a common architecture component for both self-driving laboratories and human-in-the-loop setups. This paper discusses the differences between BoFire and other BO implementations and outlines ways that BO research needs to be adapted for real-world use in a chemistry setting.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google