[논문 리뷰] BoFire: Bayesian Optimization Framework Intended for Real Experiments

Johannes P. Dürholt, Thomas S. Asche외 16명|arXiv (Cornell University)|2024. 08. 09.

Advanced Multi-Objective Optimization Algorithms인용 수 5

한 줄 요약

BoFire는 산업 현장 배포, 직렬화, RESTful API와의 쉬운 통합을 강조하는 실세계 화학 연구를 위한 베이진 최적화와 실험 설계의 결합을 제공하는 오픈 소스 Python 패키지입니다.

ABSTRACT

Our open-source Python package BoFire combines Bayesian Optimization (BO) with other design of experiments (DoE) strategies focusing on developing and optimizing new chemistry. Previous BO implementations, for example as they exist in the literature or software, require substantial adaptation for effective real-world deployment in chemical industry. BoFire provides a rich feature-set with extensive configurability and realizes our vision of fast-tracking research contributions into industrial use via maintainable open-source software. Owing to quality-of-life features like JSON-serializability of problem formulations, BoFire enables seamless integration of BO into RESTful APIs, a common architecture component for both self-driving laboratories and human-in-the-loop setups. This paper discusses the differences between BoFire and other BO implementations and outlines ways that BO research needs to be adapted for real-world use in a chemistry setting.

연구 동기 및 목표

• 화학 및 관련 공정에 사용할 수 있는 산업적으로 활용 가능한 BO와 DoE 도구 키트를 제공한다.
• RESTful API와 JSON 직렬화 가능한 문제 정의를 통해 BO를 실험실 파이프라인에 매끄럽게 통합한다.
• 제약이 있는 혼합형 입력 공간과 실제 실험에서의 다객체 최적화를 지원한다.
• 전략, 대리모형, 그리고 문제 정의 간의 모듈식 플러그 앤 플레이 협업을 가능하게 한다.

제안 방법

• 실제 실험 설정을 포착하기 위해 입력, 출력 및 선택적 제약 조건을 가진 도메인을 정의한다.
• 연속형, 이산형, 분자형 및 범주형 특성을 포함하는 제약이 있는 혼합 입력을 지원한다.
• 전통적인 DoE 설계와 BoTorch를 기반으로 한 예측 전략을 제공하며 확장 가능한 획득 함수들을 지원한다.
• 사전(a priori) 및 사후(a posteriori) 접근법을 가진 qParEGO 및 q(log)(N)EHVI를 통한 진정한 다목적 최적화를 제공한다.
• RESTful API 통합 및 데이터 교환의 용이화를 위해 Pydantic을 통한 전체 직렬화를 보장한다.
• 문제 정의, 전략, 대리모형이 분리된 모듈식 아키텍처를 채택하여 플러그 앤 플레이 사용을 가능하게 한다.

실험 결과

연구 질문

• RQ1 베이지안 최적화를 산업용 화학 실험실에서 신뢰성 있게 배포되도록 어떻게 조정하고 패키징할 수 있는가?
• RQ2 실세계 화학 문제를 효과적으로 모델링하기 위해 어떤 DoE 특징과 제약 조건이 필요한가?
• RQ3 BoFire는 실제 실험실 환경에서 다목적 최적화를 어떻게 지원할 수 있는가?
• RQ4 BoFire는 API 및 데이터 직렬화를 통해 기존 실험실 인프라와 어떤 방식으로 통합될 수 있는가?
• RQ5 산업 화학 맥 context에서 기존의 BO 도구들과 BoFire를 구별하게 하는 요소는 무엇인가?

주요 결과

• BoFire는 모든 구성요소의 완전한 직렬화를 포함하여 실험실에서 최적화 문제를 정의하고 해결하기 위한 완전한 인터페이스를 제공한다.
• 제약이 있는 혼합형 입력 공간과 비선형 부등식, NChooseK, 포인트 간 동등성 등 여러 제약 유형을 지원한다.
• BoFire는 BoTorch 기반의 예측적 BO 전략과 확장 가능한 대리모형 및 획득 함수를 포함한 고전 DoE 설계를 결합한다.
• 이 프레임워크는 qParEGO 및 q(log)(N)EHVI와 같은 전략을 사용한 진정한 다목적 최적화를 가능하게 한다.
• BoFire는 RESTful API 통합과 데이터-모델 분리를 통해 산업적 준비성을 강조하여 자동 운전 실험실(self-driving labs) 및 사람-인터랙션 루프(human-in-the-loop) 설정에서의 손쉬운 배포를 가능하게 한다.