Agentic Resource Allocation for Batch Multi-Objective Bayesian Optimization in Autonomous Materials Discovery

Resumo Técnico: Alocação Agêntica de Recursos para Otimização Bayesiana Multiobjetivo em Lote para Descoberta Autônoma de Materiais

Declaração do Problema
A descoberta autônoma de materiais via laboratórios autônomos (SDLs) depende da Otimização Bayesiana (BO) para navegar em espaços de design complexos e caros. Embora a Otimização Bayesiana Multiobjetivo (MOBO) equilibre efetivamente exploração e explotação, a maioria dos fluxos de trabalho atuais utiliza políticas de aquisição fixas ou ajustadas manualmente. Essas estratégias estáticas assumem condições experimentais estáveis, falhando em se adaptar às restrições dinâmicas típicas de campanhas do mundo real, como reduções súbitas de orçamento, cortes de cronograma ou mudanças nos objetivos de design. Consequentemente, existe uma lacuna na seleção adaptativa de políticas — a capacidade de determinar dinamicamente como o esforço experimental deve ser alocado entre exploração e explotação conforme uma campanha evolui. Este artigo investiga se agentes de Grandes Modelos de Linguagem (LLMs) podem servir como controladores de alto nível para gerenciar essa alocação de recursos em configurações de MOBO em lote.

Metodologia
Os autores desenvolveram um framework que integra um motor de MOBO em lote com uma camada distinta de alocação de recursos. O sistema foi avaliado em dois problemas discretos de design de ligas:

1. Ligas de Alta Entropia Refratárias (RHEA): Um sistema septenário (Ti-V-Nb-Mo-Hf-Ta-W) otimizando a temperatura de fusão ($T_m$) e a densidade ($\rho$).
2. Ligas Magnéticas Macias: Um sistema multicomponente baseado em Fe-Co-Ni otimizando a magnetização de saturação ($M_s$), coercividade ($H_c$) e dureza Vickers ($H_V$).

Componentes Principais:

• Modelos de Verdade de Campo (Ground Truth): Regressores de Floresta Aleatória (treinados via framework ARMOTE-MO) serviram como proxies computacionalmente tratáveis para avaliação experimental, fornecendo valores de objetivos determinísticos para o loop de BO.
• Motor de MOBO em Lote: Utilizou Processos Gaussianos (GP) Multitarefa para modelar os objetivos conjuntamente. Duas funções de aquisição definiram o espectro de exploração-explotação:
  • Explotação: $q$-Melhoria de Hipervolume Esperado ($q$EHVI).
  • Exploração: $q$-Limite Superior de Confiança ($q$UCB) com um bônus de diversidade para garantir separação geométrica dos candidatos de explotação.
• Camada de Alocação de Recursos: Para um tamanho de lote $q$, o sistema enumerou $q+1$ opções de alocação, variando de explotação pura (todos os $q$ pontos para $q$EHVI) até exploração pura (todos os $q$ pontos para $q$UCB).
• Estratégias Comparadas:
  1. $q$EHVI (Baseline): Explotação pura.
  2. Mista Fixa: Um cronograma determinístico mudando de exploração pura para explotação pura com base nas frações de recursos restantes.
  3. Troca de Regra (Agente LLM): Um agente que assume a explotação por padrão, mas introduz a exploração apenas quando modos de falha específicos (ex: retornos decrescentes em pontos de Pareto) são detectados. Ele seleciona um coeficiente de exploração ($\beta$) e uma opção de alocação com base nesses sinais.
  4. $\beta$-Adaptativo (Agente LLM): Um agente mais amplo que avalia a velocidade do hipervolume, tendências de Informação Mútua (MI) e cobertura de composição. Ele seleciona dinamicamente $\beta$ e a opção de alocação sem regras pré-programadas, dependendo do LLM para interpretar estatísticas brutas da campanha.

Desenho Experimental
O estudo envolveu 25 sementes aleatórias por estratégia através de oito configurações: campanhas de linha de base e campanhas com "eventos de recursos" no meio do processo (cortes de orçamento, cortes de tempo ou cortes duplos). O desempenho foi medido via:

• Hipervolume (HV): O volume do espaço de objetivos dominado pela fronteira de Pareto.
• Área Sob a Curva (AUC-HV): Uma métrica para velocidade de convergência.
• Informação Mútua Acumulada (MI): Uma medida da redução de incerteza em relação à região Pareto-ótima, refletindo a amplitude da caracterização do cenário.

Resultados Principais

• Troca entre Velocidade de Otimização e Redução de Incerteza: Estratégias de alocação mista (Troca de Regra, Mista Fixa, $\beta$-Adaptativo) acumularam consistentemente muito mais Informação Mútua do que a baseline de explotação pura ($q$EHVI); no RHEA baseline, o $\beta$-Adaptativo ganhou ~37% mais MI do que o $q$EHVI; no sistema Fe-Co-Ni, o ganho foi de ~49%. Esse ganho de informação veio com um custo modesto na velocidade de convergência (AUC-HV), com as estratégias mistas geralmente ficando ligeiramente atrás do $q$EHVI ao atingir limiares de alto hipervolume.
• Adaptabilidade a Restrições de Recursos:
  • Mista Fixa: Desempenhou-se mal sob eventos de recursos porque seu cronograma de exploração pré-determinado não podia ser comprimido. Quando as campanhas foram truncadas, sua fase inicial de exploração falhou em converter em ganhos de hipervolume, ampliando a lacuna de desempenho contra as estratégias adaptativas.
  • Agentes LLM: Tanto o Troca de Regra quanto o $\beta$-Adaptativo demonstraram responsividade. Eles ajustaram suas trajetórias de alocação (ex: reduzindo candidatos de exploração ou alterando $\beta$) em resposta aos eventos. No entanto, seu comportamento foi majoritariamente uma compressão de sua trajetória de linha de base, em vez de uma mudança estratégica fundamental.
  • Compressão Extrema: No cenário de evento duplo do RHEA (campanha truncada para 10 iterações), o $\beta$-Adaptativo teve desempenho inferior ao $q$EHVI e ao Mista Fixa. Os autores observam que agentes baseados em evidências requerem histórico de campanha suficiente para tomar decisões informadas; abaixo de um determinado limiar de iterações, a falta de dados acumulados impediu a capacidade do agente de superar estratégias fixas ou gananciosas.
• Dificuldade do Problema: O sistema Fe-Co-Ni, caracterizado por uma fronteira de Pareto fragmentada e multimodal, provou difícil para todas as estratégias, resultando em hipervolumes finais estatisticamente indistinguíveis entre todos os métodos. Em contraste, o sistema RHEA (um cenário compacto e suave) permitiu uma diferenciação mais clara do desempenho das estratégias.

Significância e Alegações
O artigo alega que a alocação adaptativa de recursos oferece uma troca favorável para campanhas de descoberta de materiais. Ao acumular substancialmente mais Informação Mútua com um custo proporcionalmente menor de velocidade de otimização, as estratégias adaptativas fornecem um cenário mais bem caracterizado. Essa caracterização aprimorada é valiosa para reduzir a incerteza preditiva sobre composições Pareto-ótimas, o que pode beneficiar tarefas subsequentes, como refinamento de objetivos ou campanhas de acompanhamento.

O trabalho estabelece um framework generalizável onde agentes LLM atuam como "camadas de meta-decisão limitadas", guiando em vez de substituir frameworks de otimização estabelecidos. Os autores enfatizam que, embora os LLMs possam gerenciar efetivamente a seleção de política de alto nível com base em estatísticas de otimização, sua eficácia é contingente em possuir histórico de campanha suficiente. O estudo conclui que a integração de otimização probabilística com tomada de decisão adaptativa, impulsionada por linguagem, permite sistemas de laboratórios autônomos mais flexíveis e resilientes, particularmente quando operam sob restrições reais e evolutivas. Os autores permanecem modestos, observando que o valor prático subsequente do aumento da informação mútua (ex: registros experimentais melhorados) não foi medido diretamente e permanece uma questão aberta.