烘焙实验不再靠穷举：高斯过程主动学习挑出10组条件，覆盖温和与深度两段区间
生物质烘焙的实验优化长期受制于实验成本与时间，传统单因素试验容易漏掉协同效应，全因子设计又很快变得不可行。一项研究用486条烘焙观测训练带自动相关性判定核的高斯过程回归代理模型，交叉验证R²在质量产率、高位热值和能量产率上分别为0.854、0.971和0.869，优于随机森林、支持向量回归和神经网络。在此基础上，一个把不确定性、质量产率与高位热值的期望改进按0.4/0.3/0.3加权、并加入多样性惩罚的采集函数，推荐出10组实验，温度覆盖200–315 °C、停留时间30–1089 s，全部落在常规烘焙区间内。