【Nature论文】定量和定性变量混合的材料设计的贝叶斯优化

虽然贝叶斯优化(BO)在计算材料工程中已被用于加速材料设计，但现有的工作仅限于定量变量的问题。然而，真正的材料系统设计包括定性和定量的设计变量，代表材料的组成、微观结构形态和加工条件。对于混合变量问题，现有的贝叶斯优化(BO)方法首先用虚拟变量表示定性因素，然后用数值变量作为替代模型拟合标准高斯过程(GP)模型。这种方法在理论上是有局限性的，并且不能捕获定性层次之间的复杂关系。摘要提出了一种基于BO框架的混合变量GP建模新方法。LVGP是一种完全不同的方法，它将定性设计变量映射到GP中潜在的数值LV，具有很强的物理合理性。它提供了灵活的参数化和定性因子的表示，与现有的建模方法相比，具有较高的建模精度。我们通过数值算例和材料设计算例来说明我们的方法。所选择的材料设计实例代表了两种不同的场景，一种是为优化准随机太阳能电池的光吸收而进行的并行材料选择和微观结构优化，另一种是为优化有机-无机钙钛矿(HOIP)混合设计而进行的材料组合搜索。结果发现，在所有的测试实例中，映射的lv提供了直观的可视化和对定性因素的性质和影响的实质性洞察。虽然以材料设计为例，但该方法是通用的，可以用于其他混合变量设计优化问题，涉及昂贵的基于物理的模拟。