論文の概要: Modernizing HEBO: a robust Bayesian optimization baseline for practical heteroskedastic and non-stationary problems

• arxiv url: http://arxiv.org/abs/2607.10669v1
• Date: Sun, 12 Jul 2026 09:27:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-14 15:40:48.502213
• Title: Modernizing HEBO: a robust Bayesian optimization baseline for practical heteroskedastic and non-stationary problems
• Title（参考訳）: HEBOの近代化 : 実用ヘテロスケダティック問題と非定常問題に対する頑健なベイズ最適化ベースライン
• Abstract要約: TidyHEBOは、ヘテロスケダスティック進化ベイズ最適化(HEBO)にインスパイアされた頑健なベイズ最適化モデルである TidyHEBOは、BoTorchでHEBOの設計哲学を再構築し、サロゲートトレーニング、出力ウォーピング選択、取得関数の評価を改訂する。 人工機能, 完全に実験的な反応最適化データセット, ニードル・イン・ア・ヘイスタック(NIAH)材料問題についてTydyHEBOのベンチマークを行った。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Bayesian optimization is increasingly used to guide data-efficient experimentation in chemistry, materials science, and related laboratory settings, but its practical performance depends strongly on how well surrogate-model assumptions match the geometry and noise structure of the underlying objective. We introduce tidyHEBO, a robust Bayesian optimization model inspired by heteroskedastic evolutionary Bayesian optimization (HEBO) for single-objective, sequential optimization. tidyHEBO reconstructs the HEBO design philosophy in BoTorch and revises surrogate training, output-warping selection, acquisition function evaluation, and Pareto-front search. We benchmarked tidyHEBO on synthetic functions, Olympus emulators, fully experimental reaction-optimization datasets, needle-in-a-haystack (NIAH) materials problems, and Bayesmark hyperparameter optimization tasks. On these tasks tidyHEBO achieved competitive to superior performance and improvement in robustness across repeated optimization runs. We therefore propose tidyHEBO as a practical tool for sequential experimentations and a strong general-purpose benchmark for future Bayesian optimization research.
• Abstract（参考訳）: ベイズ最適化は、化学、材料科学、および関連する実験室の設定において、データ効率のよい実験を導くためにますます使われているが、その実践的性能は、サロゲートモデルの仮定が基礎となる目的の幾何学的構造とノイズ構造とどのように一致しているかに大きく依存している。 単目的・逐次最適化のためのヘテロスケダティック進化ベイズ最適化(HEBO)にインスパイアされた頑健なベイズ最適化モデルであるtidyHEBOを導入する。 TidyHEBOは、BoTorchでHEBOの設計哲学を再構築し、サロゲートトレーニング、出力ウォーピング選択、取得関数評価、パレートフロント検索を改訂する。 我々は,合成機能,オリンパスエミュレータ,完全に実験的な反応最適化データセット,ニードル・イン・ア・ヘイスタック(NIAH)材料問題,ベイズマークハイパーパラメータ最適化タスクについて,TydyHEBOのベンチマークを行った。 これらのタスクにおいて、tidyHEBOは、繰り返し最適化された実行における優れたパフォーマンスと堅牢性の改善に競争力を発揮した。 そこで我々は、シーケンシャルな実験のための実用的なツールとしてtidyHEBOを提案し、将来のベイズ最適化研究のための強力な汎用ベンチマークを提案する。

関連論文リスト

• Frugal Bayesian Optimization: Scalable Surrogates for Data- and Resource-Limited Discovery [0.6927055673104934]
  我々は,ガウス過程,ランダムフォレスト,NGBoost,ベイズ適応スプライン面の4つの代理モデルを評価する。 ガウスプロセスに基づくBOは、最適化やサンプル効率を向上することなく、最高時間とメモリオーバーヘッドを発生させることを示す。 本稿では,安価なデータセット特性から最も適切なBOサロゲートを予測するサロゲート勧告フレームワークを提案する。
  論文  参考訳（メタデータ） (2026-07-31T09:55:38Z)
• Benchmarking Generative AI Against Bayesian Optimization for Constrained Multi-Objective Inverse Design [0.15293427903448018]
  本稿では,制約付き多目的回帰タスクを解くための生成可能な言語モデル(LLM)の性能について検討する。 最高の性能のLDM(Math-7B)は1.21の世代距離(GD)を達成した。 この知見は, 樹脂, レオロジー, 化学特性の定式化設計の最適化に, 直接工業的応用が期待できる。
  論文  参考訳（メタデータ） (2025-10-29T10:37:09Z)
• Optimizing the Unknown: Black Box Bayesian Optimization with Energy-Based Model and Reinforcement Learning [42.508822373669936]
  Black-Box Optimization (BBO) は様々な科学・工学分野で成功を収めている。 本稿では,ガウス過程(GP)を統合したReinforced Energy-based Model for Bayesian Optimization (REBMBO)を提案する。 我々は、REBMBOの優れた性能を確認するために、合成および実世界のベンチマークに関する広範な実験を行う。
  論文  参考訳（メタデータ） (2025-10-22T12:36:49Z)
• 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)
• An Empirical Evaluation of Zeroth-Order Optimization Methods on AI-driven Molecule Optimization [78.36413169647408]
  分子目的を最適化するための様々なZO最適化手法の有効性について検討する。 ZO符号に基づく勾配降下(ZO-signGD)の利点を示す。 本稿では,Guurcamol スイートから広く使用されているベンチマークタスクに対して,ZO 最適化手法の有効性を示す。
  論文  参考訳（メタデータ） (2022-10-27T01:58:10Z)
• Surrogate modeling for Bayesian optimization beyond a single Gaussian process [62.294228304646516]
  本稿では,探索空間の活用と探索のバランスをとるための新しいベイズ代理モデルを提案する。 拡張性のある関数サンプリングを実現するため、GPモデル毎にランダムな特徴ベースのカーネル近似を利用する。 提案した EGP-TS を大域的最適に収束させるため,ベイズ的後悔の概念に基づいて解析を行う。
  論文  参考訳（メタデータ） (2022-05-27T16:43:10Z)
• DEBOSH: Deep Bayesian Shape Optimization [48.80431740983095]
  形状最適化に適した不確実性に基づく新しい手法を提案する。 効果的なBOを可能にし、その結果の形状の質を最先端のアプローチを超えて向上させる。
  論文  参考訳（メタデータ） (2021-09-28T11:01:42Z)
• Pre-trained Gaussian Processes for Bayesian Optimization [24.730678780782647]
  本稿では,HyperBO という事前学習型 BO フレームワークを提案する。 GPが既知の「地中真実」を仮定することなく, 後続の予測と, ほぼゼロの後悔をHyperBOに示す。
  論文  参考訳（メタデータ） (2021-09-16T20:46:26Z)
• Are we Forgetting about Compositional Optimisers in Bayesian Optimisation? [66.39551991177542]
  本稿では,グローバル最適化のためのサンプル手法を提案する。 この中、重要なパフォーマンス決定の自明さは、取得機能を最大化することです。 3958実験における機能最適化手法の実証的利点を強調する。
  論文  参考訳（メタデータ） (2020-12-15T12:18:38Z)
• Bayesian Optimization for Selecting Efficient Machine Learning Models [53.202224677485525]
  本稿では,予測効率とトレーニング効率の両面において,モデルを協調最適化するための統一ベイズ最適化フレームワークを提案する。 レコメンデーションタスクのためのモデル選択の実験は、この方法で選択されたモデルがモデルのトレーニング効率を大幅に改善することを示している。
  論文  参考訳（メタデータ） (2020-08-02T02:56:30Z)
• BOSH: Bayesian Optimization by Sampling Hierarchically [10.10241176664951]
  本稿では,階層的なガウス過程と情報理論の枠組みを組み合わせたBOルーチンを提案する。 BOSHは, ベンチマーク, シミュレーション最適化, 強化学習, ハイパーパラメータチューニングタスクにおいて, 標準BOよりも効率的で高精度な最適化を実現する。
  論文  参考訳（メタデータ） (2020-07-02T07:35:49Z)
• Incorporating Expert Prior Knowledge into Experimental Design via Posterior Sampling [58.56638141701966]
  実験者は、グローバルな最適な場所に関する知識を得ることができる。 グローバル最適化に関する専門家の事前知識をベイズ最適化に組み込む方法は不明である。 効率の良いベイズ最適化手法は、大域的最適の後方分布の後方サンプリングによって提案されている。
  論文  参考訳（メタデータ） (2020-02-26T01:57:36Z)
• Scalable Constrained Bayesian Optimization [10.820024633762596]
  ブラックボックス制約下での高次元ブラックボックス関数のグローバルな最適化は、機械学習、制御、科学コミュニティにおける普及的なタスクである。 本稿では,上記の課題を克服し,現状を推し進めるスケーラブルな制約付きベイズ最適化(SCBO)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-02-20T01:48:46Z)

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。