論文の概要: Ranking over Regression for Bayesian Optimization and Molecule Selection

• arxiv url: http://arxiv.org/abs/2410.09290v1
• Date: Fri, 11 Oct 2024 22:38:14 GMT
• ステータス: 処理完了
• システム内更新日: 2024-10-30 15:23:18.110253
• Title: Ranking over Regression for Bayesian Optimization and Molecule Selection
• Title（参考訳）: ベイズ最適化と分子選択のための回帰のランク付け
• Authors: Gary Tom, Stanley Lo, Samantha Corapi, Alan Aspuru-Guzik, Benjamin Sanchez-Lengeling,
• Abstract要約: 本稿ではランキングモデルを用いたランクベースベイズ最適化(RBO)を提案する。 本稿では, 各種化学データセットにおける従来のBOと比較して, RBOの最適化性能について包括的に検討する。 RBOはレグレッションベースのBOに代わる有効な代替品であり、特に新規化合物の最適化に有効である。
• 参考スコア（独自算出の注目度）: 0.0680892187976602
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Bayesian optimization (BO) has become an indispensable tool for autonomous decision-making across diverse applications from autonomous vehicle control to accelerated drug and materials discovery. With the growing interest in self-driving laboratories, BO of chemical systems is crucial for machine learning (ML) guided experimental planning. Typically, BO employs a regression surrogate model to predict the distribution of unseen parts of the search space. However, for the selection of molecules, picking the top candidates with respect to a distribution, the relative ordering of their properties may be more important than their exact values. In this paper, we introduce Rank-based Bayesian Optimization (RBO), which utilizes a ranking model as the surrogate. We present a comprehensive investigation of RBO's optimization performance compared to conventional BO on various chemical datasets. Our results demonstrate similar or improved optimization performance using ranking models, particularly for datasets with rough structure-property landscapes and activity cliffs. Furthermore, we observe a high correlation between the surrogate ranking ability and BO performance, and this ability is maintained even at early iterations of BO optimization when using ranking surrogate models. We conclude that RBO is an effective alternative to regression-based BO, especially for optimizing novel chemical compounds.
• Abstract（参考訳）: ベイズ最適化(BO)は、自律走行車制御から加速薬や材料発見に至るまで、様々な応用において、自律的な意思決定に欠かせないツールとなっている。 自動運転車の研究所への関心が高まっているため、化学系のBOは機械学習(ML)による実験計画に不可欠である。 通常、BOは回帰代理モデルを用いて、探索空間の見えない部分の分布を予測する。 しかしながら、分子の選択において、分布に関して上位候補を選ぶためには、それらの性質の相対的な順序はそれらの正確な値よりも重要であるかもしれない。 本稿では,ランキングモデルを用いたランクベースベイズ最適化(RBO)を提案する。 本稿では, 各種化学データセットにおける従来のBOと比較して, RBOの最適化性能について包括的に検討する。 以上の結果から,特に粗い地形と活動崖を有するデータセットを対象としたランキングモデルを用いて,類似あるいは改良された最適化性能を示す。 さらに、代理格付け能力とBO性能との間に高い相関関係が見られ、ランキング格付けモデルを使用する場合、BO最適化の初期イテレーションにおいても、この能力は維持される。 RBOはレグレッションベースのBOに代わる有効な代替品であり、特に新規化合物の最適化に有効である。

関連論文リスト

• Revisiting BPR: A Replicability Study of a Common Recommender System Baseline [78.00363373925758]
  我々は,BPRモデルの特徴を考察し,その性能への影響を示し,オープンソースのBPR実装について検討する。 分析の結果,これらの実装とオリジナルのBPR論文の矛盾が明らかとなり,特定の実装に対して最大50%の性能低下がみられた。 BPRモデルは、トップnのレコメンデーションタスクにおける最先端メソッドに近いパフォーマンスレベルを達成でき、特定のデータセット上でもパフォーマンスが向上することを示す。
  論文  参考訳（メタデータ） (2024-09-21T18:39:53Z)
• Cost-Sensitive Multi-Fidelity Bayesian Optimization with Transfer of Learning Curve Extrapolation [55.75188191403343]
  各ユーザが事前に定義した機能であるユーティリティを導入し,BOのコストと性能のトレードオフについて述べる。 このアルゴリズムをLCデータセット上で検証した結果,従来のマルチファイルBOや転送BOベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2024-05-28T07:38:39Z)
• Enhanced Bayesian Optimization via Preferential Modeling of Abstract Properties [49.351577714596544]
  本研究では,非測定抽象特性に関する専門家の嗜好を代理モデルに組み込むための,人間とAIの協調型ベイズフレームワークを提案する。 優先判断において、誤った/誤解を招く専門家バイアスを処理できる効率的な戦略を提供する。
  論文  参考訳（メタデータ） (2024-02-27T09:23:13Z)
• CARE: Confidence-rich Autonomous Robot Exploration using Bayesian Kernel Inference and Optimization [12.32946442160165]
  未知・複雑な環境における情報に基づく自律ロボット探査の効率化を検討する。 ベイジアンカーネル推論と最適化に基づく新しい軽量情報ゲイン推定法(BKIO)を提案する。 異なる非構造, 乱雑な環境下での探索性能を損なうことなく, 提案手法の所望の効率性を示す。
  論文  参考訳（メタデータ） (2023-09-11T02:30:06Z)
• Predictive Modeling through Hyper-Bayesian Optimization [60.586813904500595]
  本稿では,モデル選択とBOを統合する新しい手法を提案する。 このアルゴリズムは、モデル空間のBOと関数空間のBOの間を行き来する。 サンプル効率の改善に加えて、ブラックボックス機能に関する情報も出力する。
  論文  参考訳（メタデータ） (2023-08-01T04:46:58Z)
• Model-based Causal Bayesian Optimization [74.78486244786083]
  乗算重み付き因果ベイズ最適化のための最初のアルゴリズム(CBO-MW)を提案する。 グラフ関連の量に自然に依存するCBO-MWに対する後悔の限界を導出する。 我々の実験は、共有モビリティシステムにおいて、ユーザの需要パターンを学習するためにCBO-MWをどのように使用できるかの現実的なデモを含む。
  論文  参考訳（メタデータ） (2023-07-31T13:02:36Z)
• Towards Automated Design of Bayesian Optimization via Exploratory Landscape Analysis [11.143778114800272]
  AFの動的選択はBO設計に有用であることを示す。 我々は,オートML支援のオンザフライBO設計への道を開き,その動作をランニング・バイ・ランで調整する。
  論文  参考訳（メタデータ） (2022-11-17T17:15:04Z)
• Optimizing Closed-Loop Performance with Data from Similar Systems: A Bayesian Meta-Learning Approach [1.370633147306388]
  性能最適化タスクから収集したデータに基づいて,メタ学習を用いて初期サロゲートモデルを生成する。 制御系の性能最適化を高速化するためのDKN-BO手法の有効性を実証した。
  論文  参考訳（メタデータ） (2022-10-31T18:25:47Z)
• A General Recipe for Likelihood-free Bayesian Optimization [115.82591413062546]
  我々は,BOをより広範なモデルやユーティリティに拡張する可能性のないBO(LFBO)を提案する。 LFBOは、確率的代理モデルと個別に推論を行うことなく、取得関数を直接モデル化する。 LFBOにおける取得関数の計算は、重み付けされた分類問題を最適化することで削減できることを示す。
  論文  参考訳（メタデータ） (2022-06-27T03:55:27Z)
• High Dimensional Bayesian Optimization with Kernel Principal Component Analysis [4.33419118449588]
  カーネルPCA支援BO(KPCA-BO)アルゴリズムは,探索空間に非線形部分多様体を埋め込み,この部分多様体上でBOを実行する。 我々は、COCO/BBOBベンチマークスイートのマルチモーダル問題に対して、KPCA-BOとバニラBOとPCA-BOの性能を比較した。
  論文  参考訳（メタデータ） (2022-04-28T20:09:02Z)
• Benchmarking the Performance of Bayesian Optimization across Multiple Experimental Materials Science Domains [3.9478770908139085]
  BOの効率を幅広い実験材料科学領域にわたる汎用最適化アルゴリズムとして評価する。 代用モデル選択において、異方性カーネルを持つガウス過程 (GP) とランダムフォレスト (RF) は同等の性能を示し、いずれもARDなしでよく使われるGPより優れていた。
  論文  参考訳（メタデータ） (2021-05-23T22:04:07Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。