最適化を超えて：自律実験における新規性発見の探求

科学分野:

• 材料科学
• 物理学
• 化学

背景:

• 自律実験（AE）は、AIと自動化プラットフォームを統合して科学研究を行っています。
• 現在のAEは、しばしば事前定義されたターゲットの最適化に焦点を当てており、予期せぬ現象の発見を制限する可能性があります。

研究 の 目的:

• 自律顕微鏡における新規現象の発見を強化するための新しいフレームワーク、INS²ANE（Integrated Novelty Score-Strategic Autonomous Non-Smooth Exploration）を導入すること。
• 従来の最適化中心のAEを超えて、実験空間のより広範な探求を促進すること。

主な方法:

• INS²ANEは、実験結果の独自性を評価するための新規性スコアリングシステムを統合しています。
• 戦略的サンプリングメカニズムを採用して、たとえ当初は有望でなくても、十分にサンプリングされていない領域を探求します。
• このフレームワークは、画像スペクトルデータで検証され、自律走査型プローブ顕微鏡に実装されました。

主要な成果:

• INS²ANEは、従来の最適化ルーチンと比較して、探索される現象の多様性を大幅に増加させます。
• この手法は、これまで観察されていなかった現象を発見する可能性を高めます。
• 自律走査型プローブ顕微鏡実験で有効性が実証されました。

結論:

• INS²ANEは、複雑な実験空間の探求を可能にすることにより、自律顕微鏡を進歩させます。
• このフレームワークは、新規現象の発見を通じて科学的発見を加速する大きな可能性を秘めています。
• このアプローチは、単なる最適化を超えて自律実験の範囲を広げます。