가우시안 프로세스 기반 능동 학습
자율 실험 시스템은 재료 연구에서 과학적 발견을 가속화하지만, 저품질의 노이즈 데이터로 인해 성능이 저하되는 문제가 있습니다. 특히 이미지-스펙트럼(Im2Spec) 및 스펙트럼-이미지(Spec2Im) 변환과 같은 데이터 집약적인 구조-물성 학습 작업에서는 표준 능동 학습 전략이 품질이 낮은 측정을 우선시하여 문제를 악화시킬 수 있습니다. 본 연구는 호기심 기반 샘플링과 물리 정보 기반 품질 제어 필터를 결합한 게이티드 능동 학습 프레임워크를 제안합니다. 이 프레임워크는 단순 조화 진동자 모델 피팅을 기반으로 하여 데이터 수집 중 …