arXiv cs.AI· Yu Zeng, Yuchuan Chen, Ziyue Zhang, Zijian Wei, Yanyi Su, Guojiang Zhao, Hongshuai Wang, Zhifeng Gao·· 3 天前AI 评分24
Agentic-MatriBO：面向材料与化学设计的 capability-compiled 智能体贝叶斯优化框架
Agentic-MatriBO: Capability-Compiled Agentic Bayesian Optimization for Materials and Chemical Design
AI 导读
研究者提出 Agentic-MatriBO，一个将贝叶斯优化组件与选择条件表示为可组合能力的智能体 BO 框架，由语言策略提出 BO 配方与候选方案、编译器对照能力目录校验、确定性执行层验证并提交候选。
正文 · AI 翻译
摘要：材料与化学优化必须在有限预算下，从序列观测中选择下一步的合成、表征或高保真模拟。大语言模型可以利用任务知识提出调整方案，但组合代理模型、采集函数和搜索策略受到兼容性、参数依赖性和证据要求的约束。我们提出 Agentic-MatriBO，一种能力编译的智能体贝叶斯优化（BO）框架，将 BO 组件和选择条件表示为可组合的能力。语言策略提出 BO 配方和候选方案；编译器根据已注册的能力目录检查提案；确定性执行层验证并提交候选方案。Oracle 观测结果存储在研究记忆中，并为后续轮次提供信息。我们在四个离线有限候选池——COF、PCE10、Buchwald--Hartwig（BH）和 Suzuki--Miyaura——上将 Agentic-MatriBO 与八个基线进行比较，每个条件使用五个随机种子；结果以描述性方式报告。在四个任务中，将每个目标调整为越大越好后，Agentic-MatriBO 具有最佳的平均终点质量。在 COF 上，它在全部五个随机种子中均达到表格所列最优值，无论是在端到端比较中还是在共享初始化之后，后者中它还在累积质量上保持优势。其在 BO 阶段最佳至今质量曲线下的归一化面积（nAUC-BO）在 COF 上显著更高，在 PCE10 和 BH 上与最佳基线接近持平，在 Suzuki 上较低。COF 消融实验表明，移除能力编译器或证据门控与更低的累积质量和更少的精确最优命中同时出现。该框架为证据条件下的 BO 自适应提供了一个可检查的接口。
| 评论： | 28 页，9 幅图，包含补充信息 |
| 主题： | 机器学习（cs.LG）；人工智能（cs.AI） |
| 引用为： | arXiv:2610.17832 [cs.LG] |
| （或 arXiv:2610.17832v1 [cs.LG] 用于此版本） | |
| https://doi.org/10.48550/arXiv.2610.17832 arXiv 颁发的 DOI 通过 DataCite（待注册） |
提交历史
来自：Yu Zeng [查看电子邮件]
[v1]
2026年10月13日星期二 06:50:13 UTC（10,250 KB）
来源：arXiv cs.AI · arxiv.org