理论计算机器学习与AI生成设计与智能优化贝叶斯优化与计算实验设计计算目的案例参考机器学习与AI生成设计与智能优化当前预约服务贝叶斯优化与计算实验设计贝叶斯优化、高斯过程、实验设计、组分空间搜索、计算目标函数、迭代推荐图示仅用于技术案例说明,不代表本公司项目成果或特定客户案例计算目的在组分、结构和计算或实验条件构成的搜索空间中,用贝叶斯优化迭代推荐下一组计算或实验点,提高找到较优方案的效率案例参考加速搜索多元合金团簇展开凸包的贝叶斯优化采集函数针对密度泛函计算成本高、难以在复杂组分空间中确定基态线的问题,提出把凸包几何纳入贝叶斯–高斯过程优化的数据采集策略,并用基于不确定性的采集函数优先计算多元合金构型。方法在 Co–Ni、Zr–O、Ni–Al–Cr 以及 (Ni₁₋ₓ, Coₓ)₃Al 平面缺陷等体系中得到验证;与传统遗传算法相比,可减少训练参数和人工干预,使准确确定基态线所需实验或计算次数降低 30% 以上。查看文章微信扫码,免费咨询如果你不确定适合方案,可以把需求发给我们Email: chengyankeji2026@163.com立即咨询微信二维码返回立即下单