概览
NIMO 由 NIMS-DA 开发,最初以 NIMS-OS(NIMS Orchestration System)起步,这一名称仍作为项目的原始身份保留。它把人工智能方法与机器人实验都视为可替换的模块,因此一套探索流程可以由实验室已有的部件组合而成。
文档列出的 AI 工具包括贝叶斯优化(PHYSBO)、无边界的无目标探索(BLOX)、相图构建(PDC)、性质落入目标区间的概率(PTR)、材料与工艺参数的贝叶斯优化(BOMP)、组合材料的贝叶斯优化(COMBI)、嵌套汤普森采样(NTS)、基于大模型的实验规划(LLMEP)以及随机探索。结果可用自带的可视化工具查看,文档还提供 IvoryOS 界面用于设计并执行工作流。
README 声明本程序包及其完整源代码按 MIT 许可分发;整理本条目时仓库根目录没有独立的 LICENSE 文件。PyPI 元数据(2.1.7)与文档站点(3.0.0)分别发布,使用前应固定并验证版本。该库负责提出并记录实验,仪器驱动、校准、安全限值与实际实验的审批仍由运营方负责。
主要功能
- 把 AI 探索模块与机器人实验模块耦合成闭环流程。
- 文档化的多种探索策略,从贝叶斯优化到无目标探索与相图构建。
- IvoryOS 界面用于设计工作流,并可实时查看结果的可视化工具。
使用场景
- 运行自动化材料探索流程,在算法建议与机器人合成、测量之间交替推进。
- 在同一候选空间上比较多种探索策略,再决定投入的实验时间。
使用方式
可通过 pip install nimo 从 PyPI 安装(要求 Python 3.6 及以上,依赖 physbo、scikit-learn、scipy、pyDOE3、matplotlib、numpy 与 anthropic),也可克隆仓库后在其目录内执行 pip install .。教程涵盖候选文件、探索算法给出的建议、机器人实验输入文件的生成,以及测量结果的分析。
文档:https://nims-da.github.io/nimo/en/
来源与核查边界
本条目说明所链接项目来源中记载的能力。条目编辑更新不代表完成过运行测试、兼容性测试或科学性能评估。
查看编辑与核查政策