化学・分子研究における多フィデリティベイズ最適化のベストプラクティス

多フィデリティベイズ最適化(MFBO)は、異なる精度のデータソースを活用することで、材料や分子の発見を高速化する有望なフレームワークである。しかし、MFBOの適用には慎重な検討が必要で、その性能は低フィデリティ(LF)データソースの特性に大きく依存する。本研究では、LFデータソースの情報量と費用に着目し、MFBOの適用条件を明らかにした。合成関数と化学分野の実問題を用いた検討から、LFデータが十分に安価かつ情報量が高い場合にMFBOが有効であることを示した。これらの知見は、化学・分子研究におけるMFBOの実用化を促進する。