概要
触媒や溶媒などの離散的な選択肢と、温度や流量などの連続的な設定値が検索に含まれる場合、Gryffin は実験計画に利用できます。README では、Phoenics のカーネル回帰アプローチをカテゴリ型および連続値・カテゴリ値の混合空間へ拡張した汎用ベイズ最適化フレームワークとして説明されています。Gryffin の役割は実験条件を提案することであり、実験自体を実施することではありません。
例示されているワークフローでは、パラメーターと最適化目標を定義する設定を用意して Gryffin を初期化し、蓄積された観測結果を推奨インターフェースに渡します。推奨されたパラメーター設定は外部の実験関数によって評価され、得られた目的値が設定に付加されて観測履歴に加えられます。このように、Gryffin は反復的な計画・測定サイクルに組み込まれ、実験の実施と測定は周辺のワークフローが担います。
文書に記載された獲得関数はバッチ最適化に対応し、探索と活用のバランスを調整するサンプリングパラメーターを備えています。また、Gryffin は物理化学記述子を専門家提供の情報として利用できます。静的な形式では提供された記述子を使用し、動的な形式では最適化中に記述子を調整します。これらは出典に記載された機能であり、独立して確認された性能結果ではありません。
README には Python 3.7 以降と記載され、設定、チュートリアル、API、CLI のドキュメントへのリンクがあります。最小限の例で示されるのは連続値パラメーターであり、完全なカテゴリ型実験ではありません。出典の抜粋からは、機器との連携や特定の化学タスクにおける定量的な性能は確認できません。また、記載された研究用途は Gryffin/Phoenics の両方に帰属しています。
主な機能
- Phoenics のアプローチを拡張し、カテゴリ型および連続値・カテゴリ値の混合パラメーター空間をベイズ最適化します。
- 獲得関数がネイティブにバッチ最適化に対応します。
- サンプリングパラメーターによって獲得動作を調整し、探索と活用のバランスを取ります。
- 専門家が提供する物理化学記述子を静的に利用して最適化に反映します。
- 最適化中に提供された記述子を動的に調整します。
- 観測結果に基づく推奨インターフェースを備え、反復的な外部実験ループを通じた使用例が示されています。
用途
- 評価候補：化学最適化研究において、触媒や溶媒の選択と連続的なプロセス条件を組み合わせて計画する。
- 評価候補：利用可能な物理化学記述子を持つカテゴリ型の分子または材料候補について、記述子を用いる静的形式と動的形式を比較する。
- 評価候補：複数の提案条件を評価してから観測履歴を更新できる実験室ワークフローで、バッチ推奨を評価する。
使い方
- リポジトリの READMEとGetting Started ガイドを確認します。README には Python 3.7 以降と記載され、PyPI とソースからのインストール方法が示されています。これは明記された要件であり、テスト済みの互換性を示すものではありません。
- 設定ドキュメントを参照し、パラメーターと目的を定義します。評価する場合は、実験結果を明確に記録できる、小規模で代表的な探索空間を選びます。
- チュートリアルを使って、カテゴリ型または混合空間の設定と記述子の扱いを確認します。README の連続値のみの例が、完全なカテゴリ型設定を含むと想定しないでください。
- 推奨結果を独自の実験評価器に接続する際は、API リファレンスに従います。提案された各条件と測定された目的値を記録し、次の推奨サイクルにそれらの観測結果を戻します。
- 研究室での利用に進む前に、選択したベースラインと比較して、探索設定、バッチ処理、記述子の形式を評価します。論文での利用については、プロジェクトの引用ガイドを参照してください。