多保真度貝葉斯優化(MFBO)利用不同質量和成本的實驗和/或計算數據來有效地優化目標函數。這種方法對於化學發現特別有吸引力,因為MFBO能夠整合各種不同的數據來源。本文探討了將MFBO應用於加速有前景分子或材料的識別,並分析了在何種條件下低保真度數據可以提高性能,相比單一保真度問題的公式。我們解決了兩個關鍵挑戰:選擇最佳收購函數,以及理解成本和數據保真度相關性的影響。最後,我們討論如何評估MFBO在化學發現中的有效性。
