伯克利实验室在自主发现方面取得了长足的进步，以应对数据泛滥

伯克利实验室能源研究应用高级数学中心 (CAMERA) 的研究人员应用高斯过程回归开发了一种名为 gpCAM 的工具。在 CAMERA 中，研究人员一直在使用 gpCAM 进行同步加速器光束线实验——但最近，它的用途已扩展到其他领域。“越来越多的实验领域正在利用这种新的最佳和自主数据采集，因为归根结底，它总是关于近似某些函数，给定噪声数据，”Noack 说。

这些新领域之一是材料科学。伯克利实验室分子铸造厂的研究人员正在使用 gpCAM 来帮助了解薄膜半导体的特性。“利用人工智能和机器学习算法的纳米级应用，特别是用于扫描探针系统，已经引起了人们的兴趣……一段时间以来，”Foundry 的博士后研究员 John Thomas 说。“在 2020 年夏天，我们开始对使用高斯过程进行自主发现感兴趣。”

在其他地方，研究人员正在使用 gpCAM 来研究 DNA 自组装。哥伦比亚大学研究生研究员 Aaron Michelson 解释说：“在追求自组装功能材料方面，DNA 纳米技术在对大参数空间进行采样以进行合成方面的能力有限。” “这要么需要收集大量数据，要么需要更有效的实验解决方案。自主发现可以直接纳入挖掘大型数据集和指导新实验。这使研究人员能够避免盲目地制作更多样品，让我们坐在驾驶座上做出决定。”

而且，研究人员说，这仅仅是个开始，gpCAM 的应用范围从环境研究到药物发现。

“Noack 的工作和领导力汇集了一个广泛的、跨学科的协同设计社区，”CAMERA 主管、该论文的合著者 James Sethian 说。“这种科学社区建设是 CAMERA 尝试做的事情的核心。”