experimental-design/bofire

Experimental design and (multi-objective) bayesian optimization.

解决的问题

BoFire 是一个为真实世界物理实验量身定制的实验设计与贝叶斯优化(BO)的综合性框架。它解决了化学反应、药物制剂和数字孪生等实验成本高或耗时长的复杂系统优化挑战。

工作原理

该框架采用迭代的「询问-告知」循环来寻找最优参数。用户定义一个搜索空间(Domain),包含连续、离散或分类输入以及期望的输出。系统基于基于 BoTorch 构建的代理模型和采集函数,提出新的测试候选。用户执行实验并将结果反馈给系统后,模型会更新以优化未来的建议。

适用人群

专为化学和制药行业的研究人员、数据科学家和工程师,以及需要优化物理实验的学术合作伙伴设计。

主要亮点

  • 混合参数空间:支持连续、离散和分类输入与输出。
  • 化学智能:内置化学编码和核函数,提升分子优化性能。
  • 约束处理:支持特定、通用和黑箱输出约束。
  • LLM 集成:提供 LLMStrategy,利用大语言模型提出候选,特别适用于存在先验书面知识的「冷启动」场景。
  • 支持 REST API:内置序列化功能,便于集成到 Web 服务中。

相关

  • 项目
  • 项目
  • 项目
  • 项目
  • 项目