实验设计几乎是所有研究学科的标志。在许多场景中,一个重要的挑战是如何在大型行动/设计空间中自动设计实验。此外,这种程序的适应性也很重要,即适应之前实验的结果。在这次演讲中,我将描述在自适应实验设计中使用数据驱动算法技术的最新进展,也被称为主动学习和机器学习社区中的贝叶斯优化。基于高斯过程(GP)框架,我将描述个性化临床治疗和纳米光子结构设计中的案例研究。在这些应用的驱动下,我将展示如何将现实世界的考虑因素,如安全、偏好启发和多逼真度实验设计纳入GP框架,并使用新的算法、理论保证和经验验证。如果时间允许,我还将简要概述一些其他案例研究。
视频: https://www.youtube.com/watch?v=yZOb8Y-pUCMa&feature=youtu.be