XiaoMi-AI文件搜索系统
World File Search SystemBO
上午11:00 - 12:00 PM，8571 WIMR II或通过Zoom上午11:00 - 12:00 PM，8571 WIMR II或通过Zoom
2024-2025血管生物学研究座谈会主席：Bo Liu，细胞和再生医学联合主席教授：Valentina Lo Sardo，细胞和再生医学助理教授
使用机器学习方法进行数据驱动的材料发现和合成
图 1：顺序（即一次一个变量）贝叶斯优化 (BO)/自适应设计 (AD) 结果。实验和预测的残余电阻率比 (RRR) 定义为 300 K 电阻率与 4 K 电阻率之比，针对 5 个随机 (a)、7 (b)、9 (c) 和 11 (d) 样本（#6-11 通过 AD）以及预期改进 (EI) 值，其中最大值表示在 BO/AD 算法中要执行的下一个实验。在新的 AD 数据点附近的区域，不确定性趋于降低。转载自 Wakabayashi, YK；Otsuka, T.；Krockenberger, Y.；Sawada, H.；Taniyasu, Y.；Yamamoto, H。APL Materials 2019, 7 (10)[ 28 ]；根据知识共享署名（CC BY）许可证（http：//creativecommons.org/licenses/by/4.0/）获得许可。
DNA构象平衡能够不断更改o p m n b o -f -o s a
在这项工作中，我们研究了用于解决双重优化（BO）的第一阶算法，其中目标函数平滑但在两个级别上可能非凸，并且变量仅限于封闭的凸集集。作为第一个步骤，我们通过惩罚方法研究BO的景观，其中将上层和下层目标组合成具有惩罚参数σ> 0的加权总和。特别是，我们通过明确表征两者的值和衍生物必须为o（σ） - 可锁定的条件，从而建立了惩罚函数与超物体之间的牢固联系。我们分析的副产品是当低级问题在轻度的规律性条件下具有多个解决方案时，高目标梯度的明确公式，这可能具有独立的利益。接下来，将罚款公式视为原始BO的O（σ） - 对象，我们提出的第一阶算法通过使用σ= o（✏）优化惩罚公式，从而发现了✏殖民地解决方案。当扰动的低级问题均匀地满足小近端错误结合（EB）条件时，我们提出了一种第一阶算法，该算法将使用总计O（✏-7）访问者在惩罚函数的tone惩罚点上，以实现pocterient ockess-fimsterster-first forder-Forder-Forder-Forder-Forper-Storder-Storder-Storder-Storder-Storder-Sentchostical Oracles。在随机甲壳的额外假设下，我们表明该算法可以完全单循环的方式，即在迭代中使用O（1）样品，并实现O（✏-5）的改善的Oracle-complexity。
Xue-Fei Wang2，Jing-Ya Tang1,7，Han Liang4,5，...
Xue-Fei Wang 2 , Jing-Ya Tang 1,7 , Han Liang 4,5 , Jing Sun 6 , Sonam Dorje 1,7 , Bo Peng 1,7 , 4 Xu-Wo Ji 2 , Zhe Li 2 *, Xian-En Zhang 1,3 *, Dian-Bing Wang 1 * 5
地球系统模型评估和基准测试...
当前核心成员：Jiwoo Lee，Ordonary，Peter Glecker，Paul Ullrich，Bo Donich，Kristin Chang（LLNL，PCMDI）（SNU）（SNU），Elina Vankonen（NASA GSFC），Julie Caron（NCAR）（NCAR）
![arxiv：2501.13697v1 [eess.sy] 2025年1月23日](/simg/g:\will\search\icon\source\c\cff763d370a1be105b5d57ac6adda3bd49437b5e.webp)
arxiv：2501.13697v1 [eess.sy] 2025年1月23日
摘要。控制工程中的重复和重要任务是在约束下进行调整，从概念上讲，仅通过噪声评估才能访问黑框函数。例如，在预设司法机构的控制练习参数中，通常会用工厂的反馈在线调整，并且只能尝试使用安全的Pa-Rameter值，例如不稳定。最近，已经针对这种重要的概率部署了机器学习方法，尤其是贝叶斯优化（BO）。为处理安全性，安全BO的算法，尤其是SafeOpt-type算法，这些算法在基于学习的控制，机器人技术和相邻领域方面享有很大知名度。但是，我们确定了实践安全的两个重要障碍。首先，SafeOPT型算法依赖于标志性的不确定性界限，大多数实现将这些算法替换为理论上不支持的启发式方法。第二，理论上有效的非确定性界限至关重要地取决于数量 - 目标函数的繁殖内核希尔伯特空间规范 - 目前无法使用已建立的先验工程知识可靠地绑定它。通过仔细的数值实验，我们表明这些问题确实会导致安全违规。为了克服这些问题，我们提出了Lipschitz仅安全的贝叶斯优化（LOSBO），这是一种仅依赖于已知Lipschitz为其安全而绑定的安全的BO算法。此外，我们提出了一个避免搜索空间网格的变体（LOS-GP-UCB），因此即使适用于适度的高维问题。
