論文の概要: Range-Aware Bayesian Optimization for Discovering Diverse Designs within Target Property Windows

• arxiv url: http://arxiv.org/abs/2606.11574v1
• Date: Wed, 10 Jun 2026 01:58:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-11 16:42:38.248979
• Title: Range-Aware Bayesian Optimization for Discovering Diverse Designs within Target Property Windows
• Title（参考訳）: ターゲットプロパティWindows内における分散設計発見のためのレンジアウェアベイズ最適化
• Authors: Shengli Jiang, Jason Wu, Charles M. Schroeder, Michael A. Webb,
• Abstract要約: 本研究では,候補が対象範囲を満足する後方確率を,取得関数が直接スコアする範囲対応ベイズ最適化(BO)フレームワークを開発する。 ベンチマークタスク全体を通じて、レンジ対応の買収は、標準BOベースラインよりも大きく、より多様な有効な設計セットを継続的に回復する。 これらの結果から,範囲対応BOは,仕様駆動設計のための実用的でサンプル効率のよい基盤となることが示唆された。
• 参考スコア（独自算出の注目度）: 1.6741629444306871
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In many materials and product design problems, desirable candidates exhibit properties that fall within an acceptable range rather than achieve a single optimum. Recovering multiple, distinct solutions that satisfy such specifications is also practically valuable, as some candidates may be preferred for reasons of cost, processability, or robustness that are difficult to encode directly in an objective function. Here, we develop a range-aware Bayesian optimization (BO) framework in which the acquisition function directly scores the posterior probability that a candidate satisfies a target range. The framework naturally extends to parallel pursuit of multiple distinct specifications over a shared candidate space. Across benchmark tasks, range-aware acquisition consistently recovers larger and more diverse sets of valid designs than standard BO baselines and recent goal-seeking methods. Its utility is further demonstrated in two practically motivated design case studies involving optimizing reaction conditions for polymer synthesis and sequence-defined oligomer discovery for prescribed optical absorption bands, supported by quantum chemical calculations. These results suggest that range-aware BO can provide a practical and sample-efficient foundation for specification-driven design, particularly when design flexibility and solution diversity are important considerations.
• Abstract（参考訳）: 多くの材料や製品設計の問題において、望ましい候補は、一つの最適点を達成するよりも許容範囲内に収まる性質を示す。 このような仕様を満たす複数の個別のソリューションを復元するのも現実的な価値があり、いくつかの候補は、コスト、プロセス可能性、あるいは目的関数に直接エンコードすることが難しい堅牢性のために好まれる。 そこで本研究では,候補が対象範囲を満たす確率を直接的に評価する,範囲対応ベイズ最適化(BO)フレームワークを開発する。 このフレームワークは自然に、複数の異なる仕様を共通候補空間上で並列に追求する。 ベンチマークタスク全体にわたって、レンジアウェアの獲得は、標準BOベースラインや最近のゴール探索手法よりも大きく、より多様な有効な設計セットを一貫して回復させる。 さらに、ポリマー合成のための反応条件の最適化と、量子化学計算によって支持された所定の光吸収帯に対する配列決定オリゴマー発見を含む2つの実用的な設計事例研究において、その実用性が実証された。 これらの結果は,特に設計の柔軟性やソリューションの多様性が重要である場合,範囲対応BOは,仕様駆動設計のための実用的でサンプル効率のよい基盤となることを示唆している。

関連論文リスト

• Neural Nonmyopic Bayesian Optimization in Dynamic Cost Settings [73.44599934855067]
  LookaHESは、動的で履歴に依存したコスト環境のために設計された非心筋BOフレームワークである。 LookaHESは、$H$-Entropy Searchのマルチステップ版と、パスワイズサンプリングとニューラルポリシー最適化を組み合わせたものだ。 私たちの革新は、構造化されたドメイン固有のアクションスペースを効果的にナビゲートするために、大きな言語モデルを含むニューラルポリシーの統合です。
  論文  参考訳（メタデータ） (2026-01-10T09:49:45Z)
• Generative Inverse Design: From Single Point Optimization to a Diverse Design Portfolio via Conditional Variational Autoencoders [0.0]
  逆設計は、目標出力に対して最適なパラメータを求める。 本稿では,単一点最適化から生成的逆設計へのパラダイムシフトを提案する。
  論文  参考訳（メタデータ） (2025-10-03T16:28:19Z)
• Few-shot Steerable Alignment: Adapting Rewards and LLM Policies with Neural Processes [50.544186914115045]
  大きな言語モデル(LLM)は、日々のアプリケーションにますます組み込まれています。 個人ユーザの多様な嗜好との整合性を確保することは、重要な課題となっている。 数発のステアライメントのための新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-12-18T16:14:59Z)
• BOtied: Multi-objective Bayesian optimization with tied multivariate ranks [33.414682601242006]
  本稿では,非支配解と結合累積分布関数の極端量子化との自然な関係を示す。 このリンクにより、我々はPareto対応CDFインジケータと関連する取得関数BOtiedを提案する。 種々の合成および実世界の問題に対する実験により,BOtied は最先端MOBO 取得関数より優れていることが示された。
  論文  参考訳（メタデータ） (2023-06-01T04:50:06Z)
• Studying Evolutionary Solution Adaption Using a Flexibility Benchmark Based on a Metal Cutting Process [39.05320053926048]
  システム柔軟性のためのバイオインスパイアされたフレームワークの観点から、異なる生産要件を最適化することを検討する。 NSGA-IIの柔軟性は,1)2つのタスクの解を同時に最適化し,より適応性が高いと期待されるソース間の解を得る,2)アクティベートあるいは非アクティベート可能な様々な可能性に対応する,アクティブな非アクティブなジェノタイプという2つの変種によって拡張される。
  論文  参考訳（メタデータ） (2023-05-31T12:07:50Z)
• Preference-Aware Constrained Multi-Objective Bayesian Optimization [32.95116113569985]
  本稿では,ブラックボックスの目的関数に対する制約付き多目的最適化の問題に対処し,入力空間の大部分を実現できない場合(すなわち制約に違反する場合)に,対象関数に対して具体的選好を行う。 主な課題は、設計空間の巨大なサイズ、複数の目的と多数の制約、そして高価なシミュレーションを実行した後にのみ特定できる実行可能な入力設計のごく一部である。 そこで本稿では,PAC-MOO(PAC-MOO)と呼ばれる制約付き複数目的ベイズ最適化手法を提案する。
  論文  参考訳（メタデータ） (2023-03-23T04:46:49Z)
• Multi-Objective GFlowNets [59.16787189214784]
  本稿では,多目的最適化の文脈において,多様な候補を生成する問題について検討する。 薬物発見やマテリアルデザインといった機械学習の多くの応用において、目標は、競合する可能性のある目標のセットを同時に最適化する候補を生成することである。 GFlowNetsをベースとした多目的GFlowNets(MOGFNs)を提案する。
  論文  参考訳（メタデータ） (2022-10-23T16:15:36Z)
• Discovering Many Diverse Solutions with Bayesian Optimization [7.136022698519586]
  信頼領域を用いたランク順ベイズ最適化(ROBOT)を提案する。 ROBOTは、ユーザが特定した多様性基準に従って、多様なハイパフォーマンスソリューションのポートフォリオを見つけることを目的としている。 そこで本研究では,機能評価をほとんど必要とせず,高い性能の多様な解を多数発見できることを示す。
  論文  参考訳（メタデータ） (2022-10-20T01:56:38Z)
• A Robust Multi-Objective Bayesian Optimization Framework Considering Input Uncertainty [0.0]
  エンジニアリング設計のような現実的なアプリケーションでは、設計者は複数の目的と入力の不確実性を考慮に入れたい場合が多い。 入力の不確実性を考慮した多目的最適化を効率的に行うための新しいベイズ最適化フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-02-25T17:45:26Z)

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。