はじめに ===================== PHYSBO とは ---------------------- PHYSBO(optimization tool for PHYSics based on Bayesian Optimization)は、高速でスケーラブルなベイズ最適化 (Bayesian optimization) のためのPythonライブラリです。 COMBO(COMmon Baysian Optimization)をもとに、主に物性分野の研究者をターゲットに開発されました。 物理、化学、材料分野において、データ駆動的な実験計画アルゴリズムによって科学的発見を加速する、という試みが多く行われています。 ベイズ最適化は、このような科学的発見を加速するために有効なツールです。 ベイズ最適化は、複雑なシミュレーションや、実世界における実験タスクなど、目的関数値（特性値など）の評価に大きなコストがかかるような場合に利用できる手法です。つまり、「できるだけ少ない実験・シミュレーション回数でより良い目的関数値（材料特性など）を持つパラメータ（材料の組成、構造、プロセスやシミュレーションパラメータなど）を見つけ出す」ことが、ベイズ最適化によって解かれる問題です。ベイズ最適化では、探索するパラメータの候補をあらかじめリストアップし、候補の中から目的関数値が最大と考えられる候補を機械学習（ガウス過程回帰を利用）による予測をうまく利用することで選定します。その候補に対して実験・シミュレーションを行い目的関数値を評価します。機械学習による選定・実験シミュレーションによる評価を繰り返すことにより、少ない回数での最適化が可能となります。 一方で、一般的にベイズ最適化は計算コストが高く、scikit-learn 等のスタンダードな実装では、多くのデータを扱うことが困難です。 PHYSBOでは以下の特徴により、高いスケーラビリティを実現しています。 * Thompson Sampling * random feature map * one-rank Cholesky update * automatic hyperparameter tuning 技術的な詳細については、`こちらの文献 `_ を参照して下さい。 PHYSBO の引用 ---------------------- PHYSBOを引用する際には、以下の文献を引用してください、 Tsuyoshi Ueno, Trevor David Rhone, Zhufeng Hou, Teruyasu Mizoguchi and Koji Tsuda, COMBO: An Efficient Bayesian Optimization Library for Materials Science, Materials Discovery 4, 18-21 (2016). Available from https://doi.org/10.1016/j.md.2016.04.001 Bibtexは以下の通りです。 :: @article{Ueno2016, title = "COMBO: An Efficient Bayesian Optimization Library for Materials Science ", journal = "Materials Discovery", volume = "4", pages = "18-21", year = "2016", doi = "http://dx.doi.org/10.1016/j.md.2016.04.001", url = "http://www.sciencedirect.com/science/article/pii/S2352924516300035", author = "Tsuyoshi Ueno and Trevor David Rhone and Zhufeng Hou and Teruyasu Mizoguchi and Koji Tsuda", } 主な開発者 ---------------------- - ver. 0.1 - 田村 亮 (物質・材料研究機構 国際ナノアーキテクトニクス研究拠点) - 寺山 慧 (横浜市立大学大学院 生命医科学研究科) - 津田 宏治 (東京大学大学院 新領域創成科学研究科) - 本山 裕一 (東京大学 物性研究所) - 吉見 一慶 (東京大学 物性研究所) - 川島 直輝 (東京大学 物性研究所) ライセンス ---------------------- | 本ソフトウェアのプログラムパッケージおよびソースコード一式はGNU General Public License version 3（GPL v3）に準じて配布されています。 Copyright (c) <2020-> The University of Tokyo.* *All rights reserved. 本ソフトウェアは2020年度 東京大学物性研究所 ソフトウェア高度化プロジェクトの支援を受け開発されました。