AID | 四川大学刘晗研究团队，田口-贝叶斯采样：面向小样本机器学习的聚合物数据集构建策略

背景：在聚合物材料开发中，建立精确的“加工-性能”映射关系是实现性能定向设计的关键，但高昂的实验成本和高维参数空间使得在保证模型精度的前提下以最小代价构建高信息量数据集成为挑战。研究目的：四川大学刘晗研究团队提出一种田口-贝叶斯采样策略，旨在通过均匀性、正交性与代表性采样的平衡，以最小采样成本重构聚合物加工-性能景观，为构建“小而精”的代表性数据集提供通用路径。结论：该策略通过田口或拉丁超立方采样构建初始数据集，再交替执行随机均匀采样与贝叶斯代表性采样，动态兼顾全局特征覆盖与局部关键特征捕获，显著提升了景观重构效率与精度，对材料信息学数据集构建具有指导意义。