Knowledge-informed Bayesian optimization resolves multi-objective trade-offs in 3D printing photopolymers
Die Arbeit stellt ein wissensbasiertes, dynamisch beschränktes Bayes-Optimierungs-Framework (KI-DC-BO) vor, das auf der Grundlage von experimentellem Feedback iterativ den zulässigen Suchraum verfeinert, um effizient hochleistungsfähige 3D-Druck-Fotropolymere mit überlegener Zugfestigkeit und thermischer Beständigkeit innerhalb eines begrenzten Experimentierbudgets zu entdecken.