# 贝叶斯优化

10 篇关联报道

订阅更新

arXiv 2026年11月4日
配方筛选不再靠猜：KolTa把温度物理残差写进采集规则，药物溶解度达标查询少约18%
在测量样本很少、实验预算固定的配方发现中，KolTa把性质预测拆成组分基值、角色条件相互作用和锚定温度响应三部分，并用温度导数约束训练。它的采集规则把集成分歧与目标温度处的物理残差一起按折外误差校准。在二元混合物黏度、药物溶解度、离子液体黏度和模拟电解质电导率四个任务上，平均AULC均列第一或第二；药物任务达到80%回收所需查询中位数比最快对照少约18%。
在测量样本很少、实验预算固定的配方发现中，KolTa把性质预测拆成组分基值、角色条件相互作用和锚定温度响应三部分，并用温度导数约束训练。它的采集规则把集成分歧与目标温度处的物理残差一起按折外误差校准。在二元混合物黏度、药物溶解度、离子液体黏度和模拟电解质电导率四个任务上，平均AULC均列第一或第二；药物任务达到80%回收所需查询中位数比最快对照少约18%。
Sichuan University
唐波勇（第一作者）
KolTa主动学习配方发现框架物理残差校准置信上界采集规则主动学习物理信息神经网络贝叶斯优化
arXiv 2026年11月9日
分子搜索不再固定邻域：TRACE按成败伸缩搜索范围，80次DFT评估把FePc抗溶出能提高到2.59 eV
开放式分子设计中，候选按需生成，搜索范围此前多由预设的相似度或候选数固定。TRACE把化学搜索的“远近”和“宽窄”显式化为Tanimoto相似度阈值与候选数预算，并用成功/失败控制器同步伸缩两者，由固定的fragprint高斯过程挑选评估对象。在六个PMO目标、统一1000次评估预算下，TRACE的top-1 AUC平均排名为1.73、top-10 AUC平均排名为1.27；在FePc衍生物的闭环DFT优化中，80次设计候选评估把计算得到的抗Fe溶出能由0.42 eV提高到2.59 eV。
开放式分子设计中，候选按需生成，搜索范围此前多由预设的相似度或候选数固定。TRACE把化学搜索的“远近”和“宽窄”显式化为Tanimoto相似度阈值与候选数预算，并用成功/失败控制器同步伸缩两者，由固定的fragprint高斯过程挑选评估对象。在六个PMO目标、统一1000次评估预算下，TRACE的top-1 AUC平均排名为1.73、top-10 AUC平均排名为1.27；在FePc衍生物的闭环DFT优化中，80次设计候选评估把计算得到的抗Fe溶出能由0.42 eV提高到2.59 eV。
Madhav Reddy Muthyala（第一作者）
TRACE框架贝叶斯优化密度泛函理论
arXiv 2026年11月9日
商用机器人搭出闭环实验台：智能体优化比贝叶斯优化少用最多52%迭代
一台由商用实验室机器人、吸光度读板机和可替换优化器组成的自驱动实验室实验台，在六个独立实验中各完成48轮无人干预的闭环迭代，累计超过24小时。系统在六个实验中的五个把目标吸收光谱匹配到测量误差以内，平均RMSE为若干OD。在同一物理回路中，基于Claude Opus 5的智能体优化在三个目标上都比贝叶斯优化用更少迭代匹配成功，其中目标1减少52%、目标2减少32%，并在贝叶斯优化48轮内未能匹配的目标3上于11轮内收敛。
一台由商用实验室机器人、吸光度读板机和可替换优化器组成的自驱动实验室实验台，在六个独立实验中各完成48轮无人干预的闭环迭代，累计超过24小时。系统在六个实验中的五个把目标吸收光谱匹配到测量误差以内，平均RMSE为若干OD。在同一物理回路中，基于Claude Opus 5的智能体优化在三个目标上都比贝叶斯优化用更少迭代匹配成功，其中目标1减少52%、目标2减少32%，并在贝叶斯优化48轮内未能匹配的目标3上于11轮内收敛。
Tony Qin（第一作者）
自主实验室贝叶斯优化大语言模型智能体颜色配方任务
arXiv 2026年11月4日
Meta把排序模型的缩放律交给自动搜索：34次上线平均降0.66%归一化熵，线上累计提升0.36%
Meta 的广告排序与检索模型族不再靠人工逐个模型试算容量分配。此前每个模型的缩放决策要花数天到数周训练，且架构维度相互耦合、难以单独放大。Axia 用缩放层把嵌入维度、交互深度和交互宽度三个控制量映射成完整架构，再用贝叶斯代理模型挑选少量训练试验。在两个开发周期的 34 次模型迭代中，离线归一化熵平均相对改善 0.66%，线上关键指标累计提升 0.36%。
Meta 的广告排序与检索模型族不再靠人工逐个模型试算容量分配。此前每个模型的缩放决策要花数天到数周训练，且架构维度相互耦合、难以单独放大。Axia 用缩放层把嵌入维度、交互深度和交互宽度三个控制量映射成完整架构，再用贝叶斯代理模型挑选少量训练试验。在两个开发周期的 34 次模型迭代中，离线归一化熵平均相对改善 0.66%，线上关键指标累计提升 0.36%。
John Martabano Landy（第一作者）
Axia缩放定律发现系统缩放定律贝叶斯优化推荐系统
researchsquare.com 2026年10月15日
脑电注意力识别不再用固定电极图：动态图加自注意力，三分类到91.67%
脑电注意力识别换掉了固定电极连接图。此前多频段特征靠简单拼接、通道关系按预设邻接矩阵处理，难以刻画任务中变化的通道耦合。DGCSA把电极当作图节点，用可学习邻接矩阵动态更新通道拓扑，并用自注意力补上全局依赖，同时以贝叶斯优化的频带权重融合功率谱密度与微分熵。在20名参与者、873段3秒脑电上，三分类准确率为91.67%，高于SVM、CNN与LSTM基线；VR场景的平均注意力得分也高于2D。
脑电注意力识别换掉了固定电极连接图。此前多频段特征靠简单拼接、通道关系按预设邻接矩阵处理，难以刻画任务中变化的通道耦合。DGCSA把电极当作图节点，用可学习邻接矩阵动态更新通道拓扑，并用自注意力补上全局依赖，同时以贝叶斯优化的频带权重融合功率谱密度与微分熵。在20名参与者、873段3秒脑电上，三分类准确率为91.67%，高于SVM、CNN与LSTM基线；VR场景的平均注意力得分也高于2D。
Monash University Xi'an Shiyou University
Weimian Yang（第一作者）Steven Kwok Keung Chow（通讯作者）
DGCSA模型基于脑电的注意力识别动态图卷积网络自注意力贝叶斯优化
arXiv 2026年10月14日
芯粒设计空间不再靠黑箱猜：LLM 只给方向，贝叶斯优化负责数值搜索
把大语言模型生成的参数调整方向作为软先验交给贝叶斯优化，2.5D/3D CPU-GPU 芯粒设计空间探索的超体积在 3D 数据集上从 0.8210 升到 0.8356，2.5D 数据集不重训也升到 0.8051。
Zhejiang University ShanghaiTech University
Hang Liu（第一作者）
芯粒设计空间探索自适应方向性策略推理贝叶斯优化策略增强期望超体积改进组相对策略优化
arXiv 2026年10月14日
混合变量实验不再只靠结构描述符：LLM排序先验加结构平滑，六项化学与材料任务在固定预算下更快逼近最优
TagBO把大语言模型给出的候选排序当作任务相关的粗粒度先验，与结构描述符的局部平滑一起构成相似性图，在化学与材料配方等六项混合变量优化任务上，固定评估预算内更快找到高质量候选。
Central South University Fudan University Harbin Institute of Technology Shanghai Jiao Tong University Huazhong Agricultural University
Xinzhe Yuan（第一作者）
TagBO 大语言模型关系先验贝叶斯优化混合变量优化
Physical review. B./Physical review. B 2026年10月13日
α-RuCl₃自旋哈密顿量改由磁化曲线反推：贝叶斯优化给出五参数，Kitaev耦合能量尺度仍定不下来
α-RuCl₃的基态自旋哈密顿量参数不再只靠第一性原理计算给出，而是用贝叶斯优化去拟合b轴与c轴方向的实验磁化曲线，同时优化Kitaev相互作用K、非对角相互作用Γ与Γ′、海森堡相互作用J以及c轴g因子g_c五个参数。代价函数最小的参数组为(K, Γ, Γ′, J, g_c)=(−6.0, 7.5, −0.3, −1.75, 2.3)，交换耦合以meV计。代价函数对K的绝对值不敏感，说明仅凭磁化数据无法确定Kitaev耦合的能量尺度；它对Γ′和J也只弱依赖，而优化偏好一个较大的正Γ。
α-RuCl₃的基态自旋哈密顿量参数不再只靠第一性原理计算给出，而是用贝叶斯优化去拟合b轴与c轴方向的实验磁化曲线，同时优化Kitaev相互作用K、非对角相互作用Γ与Γ′、海森堡相互作用J以及c轴g因子g_c五个参数。代价函数最小的参数组为(K, Γ, Γ′, J, g_c)=(−6.0, 7.5, −0.3, −1.75, 2.3)，交换耦合以meV计。代价函数对K的绝对值不敏感，说明仅凭磁化数据无法确定Kitaev耦合的能量尺度；它对Γ′和J也只弱依赖，而优化偏好一个较大的正Γ。
Takahiro Misawa（第一作者）
自旋哈密顿量参数贝叶斯优化
arXiv 2026年10月9日
ATLAS用Mapper图刻画可行域拓扑，在四个模拟电路基准上以更少SPICE仿真达到100%成功率
ATLAS是一个贝叶斯优化框架，它在每次迭代对代理模型预测的可行域构建Mapper图以估计连通区域数，并用拓扑敏感度把候选点分为桥接、前沿与内部点，向采集函数注入探索奖励；在GF180与SKY130工艺的四个模拟电路基准上，ATLAS在全部四个电路取得最高或并列最高的成功率，其中最难电路CMA达到100%成功率而多数基线为0%。
ATLAS是一个贝叶斯优化框架，它在每次迭代对代理模型预测的可行域构建Mapper图以估计连通区域数，并用拓扑敏感度把候选点分为桥接、前沿与内部点，向采集函数注入探索奖励；在GF180与SKY130工艺的四个模拟电路基准上，ATLAS在全部四个电路取得最高或并列最高的成功率，其中最难电路CMA达到100%成功率而多数基线为0%。
Youngmin Oh（第一作者）
ATLAS拓扑感知晶体管尺寸优化框架拓扑数据分析贝叶斯优化 Mapper算法模拟电路尺寸设计
CAUCHY Jurnal Matematika Murni dan Aplikasi 2026年9月28日
七种KNN超参数调优策略在15个数据集上的对比：PSO综合排名最优，但仅显著优于随机搜索
该研究在嵌套交叉验证框架下，对经典KNN在由整数近邻数k、类别型距离度量和连续Minkowski指数p构成的混合搜索空间上，比较了网格搜索、随机搜索、贝叶斯优化、遗传算法、代理优化、粒子群优化（PSO）和灰狼优化器七种调优策略，在15个公开分类数据集上用准确率、宏AUC、交叉验证损失、交叉熵损失和运行时间五项指标评估，结果显示PSO取得最佳综合平均排名，但经Holm校正的Wilcoxon符号秩检验表明其仅相对随机搜索具有统计显著优势。
该研究在嵌套交叉验证框架下，对经典KNN在由整数近邻数k、类别型距离度量和连续Minkowski指数p构成的混合搜索空间上，比较了网格搜索、随机搜索、贝叶斯优化、遗传算法、代理优化、粒子群优化（PSO）和灰狼优化器七种调优策略，在15个公开分类数据集上用准确率、宏AUC、交叉验证损失、交叉熵损失和运行时间五项指标评估，结果显示PSO取得最佳综合平均排名，但经Holm校正的Wilcoxon符号秩检验表明其仅相对随机搜索具有统计显著优势。
Telkom University Universitas Islam Negeri Maulana Malik Ibrahim
Meta Kallista（第一作者）
超参数优化 k近邻粒子群优化贝叶斯优化灰狼优化器

已读完全部报道