Beyond Scalar Objectives: Expert-Feedback-Driven Autonomous Experimentation for Scientific Discovery at the Nanoscale
超越标量目标：基于专家反馈的自主实验探索用于纳米尺度科学发现
机构 * Center for Nanophase Materials Sciences, Oak Ridge National Laboratory（橡树岭国家实验室纳米相材料中心） ； University of Tennessee-Oak Ridge Innovation Institute, University of Tennessee（田纳西大学橡树岭创新研究所） ； Department of Material Science and Engineering, School of Materials and Chemical Technology, Institute of Science Tokyo（东京科学大学材料科学与工程系、材料与化学技术学院） ； Department of Materials Science and Engineering, Norwegian University of Science and Technology (NTNU)（挪威科学技术大学（NTNU）材料科学与工程系） ； Faculty of Physics and Center for Nanointegration Duisburg-Essen (CENIDE), University of Duisburg-Essen（杜伊斯堡- Essen大学物理系和杜伊斯堡- Essen纳米集成中心（CENIDE）） ； Research Center Future Energy Materials and Systems, Research Alliance Ruhr（鲁尔研究联盟未来能源材料与系统研究中心）
专题命中 其他自动驾驶 ：self-driving(abstract)
AI总结 本文提出了一种名为深度核成对学习（DKPL）的方法，通过整合专家知识和跨学科科学知识，改进自主显微实验，从而在纳米尺度上更有效地发现科学现象。
