Knowledge-informed Bayesian optimization resolves multi-objective trade-offs in 3D printing photopolymers
Het artikel introduceert een kennisgestuurd, dynamisch beperkt Bayesiaans optimalisatieframework (KI-DC-BO) dat op iteratieve wijze de haalbare zoekruimtes verfijnt op basis van experimentele feedback om efficiënt hoogwaardige 3D-print fotopolymeren met superieure treksterkte en thermische weerstand te ontdekken binnen een beperkt experimenteel budget.