Bayesian Optimization for Self-Driving Materials Laboratories: From Algorithms to Physics-Informed Workflows
Esta revisão examina a aplicação da otimização bayesiana em laboratórios de materiais autônomos, detalhando como ela aborda desafios experimentais práticos por meio de estratégias informadas pela física e examinando seu impacto transformador em diversos domínios de materiais, ao mesmo tempo em que delineia direções futuras para a experimentação geradora de conhecimento.