V体育 稻津裕
伊夏宇
智能信息学可在有限条件下得出最佳解决方案
基于智能信息学，开展小规模数据自适应实验设计研究。随着当今信息社会的快速发展，基于大规模数据的深度学习模型正在被应用于现实世界的各个地方。另一方面，在新药临床试验、新材料开发等实际设计环境中，存在数据量较少的问题，无法建立优秀的预测模型。此外，仅获取一项新数据的成本可能会非常高。因此，我们一直在研究一种叫做贝叶斯优化的方法，从少量的数据中设计出合理的预测模型，并通过有限次数的额外试验有效地更新模型，以找到最优的解决方案（即最优新药的开发或最优材料的识别）。此外，我们也在利用我们所获得的一些知识，在生命科学领域进行示范。
信息工程学院｜副教授
稻津裕（稻夏佑）
伊夏宇
关键字
贝叶斯优化
高斯过程
统计机器学习
领域/程序
研究类别
信息科学、信息工程
研究主题
- 利用机器学习研究黑盒函数的优化算法
- 输入不确定条件下黑盒函数的鲁棒贝叶斯优化研究
- 基于遗憾的贝叶斯优化算法性能理论分析研究
留言
虽然基于大规模数据的深度学习模型风靡一时，但在新药研发、新材料研发等实际领域中，经常会出现数据量较少而无法展现深度学习模型真正价值的情况。此外，由于增加数据通常需要很大的成本，因此有必要在自适应确定实验条件的同时适当更新模型。这项研究就是为了响应这些需求，这项研究的进展有望带动各种新药物和新材料的开发。我们这个资源匮乏的国家要想在国际社会上有所体现，就必须振兴我们作为科技立国的地位，我想通过这项研究为我们国家开辟未来。