Meta AI團隊提出CliqueFlowmer模型，結合進化策略優化材料設計

3 月 21 日（UTC+8），Meta AI團隊近日提出了一種基於結構化函式的資料驅動設計方法。文中觀點認為，如果擁有設計資料及其對應的獎勵（如材料屬性），通過學習一個結構化函式，可以找到比現有資料中獎勵更高的設計。 基於此，研究人員開發了名為CliqueFlowmer的Transformer模型，並結合進化策略，用於發現能夠優化目標屬性的新材料。 相關論文（arXiv:2401.05442）從理論上探討了離線資料驅動優化，引入了功能圖模型來形式化“結構”概念，將高維問題分解為子問題，從而在資料覆蓋不足時仍能實現近乎最優的設計，並提出了一種能推斷功能圖結構的資料驅動優化演算法。 [InFoQ]