《鲁棒自主适应性实验》美空军实验室报告

提出了四个具体目标，以开发、实施和实证验证用于认知科学和材料科学领域自主自适应实验的贝叶斯学习算法。目标 1 和 2 侧重于算法开发，通过使用以下三种算法实施鲁棒自适应系统（RAAS，即实验框架）来实现：(1) 自适应设计优化（ADO，基于模型的算法，目标 1）；(2) 贝叶斯优化（BO，无模型算法，目标 2）；(3) 高斯过程主动学习（GPAL），第二种完全由数据驱动的无模型优化实验设计方法。目标 3 测试了 ADO 和 GPAL 在决策和数值估计领域的应用。目标 4 测试了如何利用 BO 改善碳纳米管的生长并提高 3D 打印的精度（目标 4 是与美国空军后勤部材料与制造局的 Benji Maruyama 博士合作完成的）。在所有应用领域，都成功证明了这些算法在实现研究目标方面的稳健性和高效性。这项工作推动了认知科学和材料科学领域自主研究的最新进展。

图 1：鲁棒性自适应系统（RAAS）示意图。