Bayesian Optimization for Materials Science

این کتاب مقدمه ای کوتاه و مختصر از بهینه سازی بیزی به طور خاص برای دانشمندان مواد تجربی و محاسباتی ارائه می دهد. پس از توضیح ایده اصلی پشت بهینه‌سازی بیزی و برخی کاربردها در علم مواد در فصل 1، نظریه ریاضی بهینه‌سازی بیزی در فصل 2 تشریح شده است. در نهایت، فصل 3 کاربرد بهینه‌سازی بیزی را برای یک مسئله بهینه‌سازی ساختار پیچیده در علوم سطوح محاسباتی مورد بحث قرار می‌دهد. بهینه‌سازی بیزی یک تکنیک بهینه‌سازی جهانی امیدوارکننده است که در زمینه یادگیری ماشینی سرچشمه می‌گیرد و شروع به جلب توجه در علم مواد کرده است. به منظور طراحی مواد، بهینه سازی بیزی را می توان برای پیش بینی مواد جدید با خواص جدید بدون غربالگری گسترده مواد نامزد استفاده کرد. به منظور علم مواد محاسباتی، بهینه‌سازی بیزی را می‌توان در محاسبات اصول اول برای انجام بهینه‌سازی‌های ساختاری کارآمد و جهانی گنجاند. در حالی که تحقیقات در این جهت در مجلات معتبر گزارش شده است، تا کنون هیچ کتاب درسی به طور خاص برای دانشمندان مواد که مایل به ترکیب بهینه سازی بیزی در تحقیقات خود هستند، وجود نداشته است. این کتاب برای محققان و دانشجویان علم مواد که دارای پیشینه پایه در حساب دیفرانسیل و انتگرال و جبر خطی هستند، قابل دسترسی خواهد بود.

This book provides a short and concise introduction to Bayesian optimization specifically for experimental and computational materials scientists. After explaining the basic idea behind Bayesian optimization and some applications to materials science in Chapter 1, the mathematical theory of Bayesian optimization is outlined in Chapter 2. Finally, Chapter 3 discusses an application of Bayesian optimization to a complicated structure optimization problem in computational surface science.Bayesian optimization is a promising global optimization technique that originates in the field of machine learning and is starting to gain attention in materials science. For the purpose of materials design, Bayesian optimization can be used to predict new materials with novel properties without extensive screening of candidate materials. For the purpose of computational materials science, Bayesian optimization can be incorporated into first-principles calculations to perform efficient, global structure optimizations. While research in these directions has been reported in high-profile journals, until now there has been no textbook aimed specifically at materials scientists who wish to incorporate Bayesian optimization into their own research. This book will be accessible to researchers and students in materials science who have a basic background in calculus and linear algebra.