Optbayesexpt:自适应测量的序列贝叶斯实验设计

Optbayesexpt是一个公共领域的开源python包，它为模型函数中的参数的有效估计/测量提供了自适应算法。参数估计是一种测量类型，通常通过一系列数据采集步骤然后进行ftting来处理。该软件旨在提供基于数据的实验控制，有效地从传入的测量结果中学习，并使用这些信息在测量过程中实时和在线选择未来的测量设置。所选择的设置具有改善测量结果的最佳机会。通过这些方法，optbayesexpt旨在提高测量序列的效率，从而产生更好的结果和/或更低的成本。在最近的一项实验中，optbayesexpt在宽光谱范围内测量几个窄峰的速度提高了一个数量级[1]。图1展示了一个可能的使用场景，其中仪器控制程序与python服务器脚本中的optbayesexpt函数进行交互。服务器脚本在后台运行，两个程序通过TCP套接字进行通信。对于N个测量中的每一个，控制器程序提示服务器脚本基于参数概率分布推荐高效用设置。然后，控制器进行测量并将新数据报告回服务器脚本，服务器脚本使用贝叶斯推理来重新定义参数分布，以便在下一次迭代中使用。