図1: ベイズ最適化のサイクル 研究のポイント（着眼点） 欲しい物性を持った物質を探すことは、物性を調べることに比べはるかに難しい。 ベイズ最適化を用いることで、所望の物性を持つと予想される物質の組成や合成パラメータを機…続きを読む
PHYSBO
高速でスケーラブルなベイズ最適化 (Bayesian optimization) のためのPythonライブラリ。できるだけ少ない実験・シミュレーション回数で、目的関数値(材料特性など)が良くなるパラメータ(材料の組成、構造、プロセスやシミュレーションパラメータなど)の組み合わせを探し出したい場合に有効である。パラメータおよび目的関数をユーザが設定することで、さまざまな分野の問題に適用することができる。大量の学習データを適用できるようにトンプソンサンプリング、ランダムな特徴マップ、1ランクコレスキー更新、ハイパーパラメータの自動チューニングを採用し、高いスケーラビリティを持つよう設計されている。