川大 刘晗团队AIDI：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

本文由四川大学刘晗团队发表，研究背景是聚合物材料开发中，建立精确的“加工-性能”映射关系是关键，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信息量最大化的数据集成为挑战。研究目的是提出一种田口-贝叶斯采样策略，旨在以最小采样成本重构聚合物加工-性能景观，并为构建材料数据集提供通用路径。结论表明，该策略通过均匀性采样和代表性采样的交替平衡，有效兼顾全局与局部景观重构精度，实现了数据集信息量的最大化，为在有限实验次数下构建“小而精”的代表性数据集提供了清晰、普适且高效的路径，显著提升了聚合物“加工-性能”关系的重构效率与精度，对广义的材料信息学数据集构建具有重要指导意义。