emdgroup/baybe

解決する課題

BayBE（Bayesian Back End）は、複雑な検索空間内で最適なパラメータ設定を見つけるために設計されています。化学反応の最適化、材料の配合、3D形状の最適化、仮想シミュレーションのハイパーパラメータチューニングなど、実験コストが高く時間のかかる現実世界の最適化問題に特に役立ちます。

仕組み

BayBEはベイズ実験計画法を使用して、パラメータ空間の未知の領域の探索と、既知の高性能な領域の活用のバランスを取ります。ワークフローは推奨ループに従います。ユーザーが検索空間と目的を定義すると、BayBEが次にテストする設定のセットを推奨します。ユーザーが結果（測定値）を提供すると、BayBEはモデルを更新して将来の推奨を洗練させます。

対象者

物理的または仮想の実験を最適化する必要がある、産業界および学術界の研究者やエンジニア、特に化学物質や複雑なハイブリッド検索空間を扱う人を対象としています。

ハイライト

• ハイブリッド検索空間：単一の空間で連続パラメータと離散パラメータの両方をサポートします。
• 化学エンコーディング：SubstanceParameterを介して化学フィンガープリント（例：MORDRED）の組み込みサポートを提供し、単純なワンホットエンコーディングよりも最適化効率を向上させます。
• 柔軟な最適化：アクティブラーニング、ABテスト用のバンディットモデル、複数の相反するターゲットのパレート最適化など、さまざまな戦略を提供します。
• 高度なワークフロー：非同期キャンペーン、過去のキャンペーンからの転移学習、およびパフォーマンス評価のためのバックテストをサポートします。