概要
NIMO は NIMS-DA によって開発され、NIMS-OS(NIMS Orchestration System)として開始されました。この名称は現在もプロジェクトの元来の呼称として残っています。人工知能の手法とロボット実験の双方を交換可能なモジュールとして扱うため、実験室に既にある構成要素を組み合わせて探索の流れを構築できます。
文書に示されている AI ツールには、ベイズ最適化(PHYSBO)、境界を設けない目的関数なし探索(BLOX)、状態図構築(PDC)、特性が目標範囲に入る確率(PTR)、材料およびプロセスパラメータのベイズ最適化(BOMP)、組合せ材料のベイズ最適化(COMBI)、入れ子型トンプソンサンプリング(NTS)、大規模言語モデルに基づく実験計画(LLMEP)、ランダム探索が含まれます。結果は同梱の可視化ツールで確認でき、ワークフローの設計と実行には IvoryOS インターフェースが文書化されています。
README は、本パッケージと完全なソースコードが MIT ライセンスで配布されることを明記しています。本項目の作成時点で、リポジトリ直下に独立した LICENSE ファイルはありませんでした。PyPI のメタデータ(2.1.7)とドキュメントサイト(3.0.0)は別々に公開されるため、検証したバージョンを固定してください。本ライブラリは実験の提案と記録を担い、装置ドライバ、校正、安全制限、実実験の承認は運用者の責任に留まります。
主な機能
- AI 探索モジュールとロボット実験モジュールを結合する閉ループのオーケストレーション。
- ベイズ最適化から目的関数なし探索、状態図構築まで、文書化された複数の探索戦略。
- ワークフロー設計のための IvoryOS インターフェースと、結果をリアルタイムに確認できる可視化ツール。
用途
- アルゴリズムの提案とロボットによる合成・測定を交互に進める自動材料探索を実行する。
- 実験時間を投じる前に、同じ候補空間で複数の探索戦略を比較する。
使い方
pip install nimo で PyPI から導入できます(Python 3.6 以降、physbo、scikit-learn、scipy、pyDOE3、matplotlib、numpy、anthropic が依存関係として示されています)。リポジトリを複製し、そのディレクトリで pip install . を実行する方法もあります。チュートリアルでは、候補ファイル、探索アルゴリズムによる提案、ロボット実験用入力ファイルの生成、測定結果の解析が説明されています。
ドキュメント:https://nims-da.github.io/nimo/en/
出典と確認の範囲
この掲載情報はリンク先のプロジェクト資料に記載された機能を説明します。掲載情報の更新は、実行、互換性試験、科学的性能評価の実施を意味しません。
編集・確認方針を読む