SPARC让模型权重随实验证据改写:11个推荐条件中8个过电位低于300 mV
核心概要
闭环实验通常先固定模型族与表示,再让新数据只更新预测。SPARC把多个回归模型的样本外预测拼成证据矩阵,用稀疏后验按证据分配各模型影响力,并把候选处的预测离散度与残差尺度合成为“信任”来调节探索。在自动化碱性析氧反应实验中,11个预先固定的推荐条件有8个过电位低于300 mV(初始125个实验中为18个),最好达242 mV。
深度剖析
材料发现中的闭环实验不再只更新预测值,模型族之间的相对影响力也随累积的实验证据重新分配。 此前的闭环方法多在优化开始前就确定表示、模型族和探索假设,新测量只更新预测,其他同样合理的模型难以获得被检验的机会。 在八个已发表的分子、聚合物与无机材料数据集上,SPARC在六个上的R²高于对应文献报告值,相对提升最高约77%,且未使用若干已发表流程所用的密度泛函理论或实验衍生描述符。
做法是让每个候选模型先预测它没见过的观测,再按这些样本外贡献分配非负权重。 证据矩阵的每一行是一个被留出的观测,每一列是一个候选模型,因此每个条目都来自未使用该响应拟合的模型;稳定性筛选挑出可复现的活跃模型集,再用分层半柯西先验的后验组合给出权重。 预测基准在嵌套外层留一验证下评估,每个留出观测都重新执行预处理、模型选择与后验拟合;自动化析氧反应实验则用异质自助集成与信任调制的置信下界,从125个初始实验出发推荐11个条件。
启示与展望
演示范围包括八个已发表材料数据集的预测基准、两个有限池回溯搜索、两个受控外推任务,以及一次从125个初始实验出发的自动化碱性析氧反应前瞻实验;推荐与复核分组均在结果测量前固定。
有限池搜索的发现计数各来自单一初始集的一条轨迹,属于案例研究;信任是任务与尺度相关的决策分数,不是预测正确或测量误差的校准概率;受控外推只检验同一实验变量范围的扩展,而非跨化学体系迁移;被列为优先复核的测量应理解为需要更多证据,而非已被证明有误。
