扫描探针显微镜与高性能计算的集成：固定策略和奖励驱动工作流的实现
TLDR
通过Python接口集成SPM与HPC，实现固定策略和奖励驱动的自动化科学发现工作流。
评分理由
Strengths include a practical infrastructure for automating SPM experiments with high-performance computing and machine learning. Weaknesses are the narrow domain focus on SPM and lack of generalizability to other scientific fields or tasks like literature review or paper writing.
Read-first 评分解释
综合优先阅读分 43.9，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。 原始总分保留为 45。
研究版图角色
候选论文
排序敏感性
稳定性：volatile；排名波动范围：58。
关键词评分
深度分析
创新点
- Python接口库，支持从本地或远程HPC控制SPM
- 通用平台，将SPM操作抽象为固定策略和奖励驱动工作流
- 完整的自动化SPM工作流基础设施，结合常规操作和自主机器学习驱动发现
方法
作者开发了一个Python库，用于与扫描探针显微镜接口，允许从本地计算机和远程高性能计算资源进行控制。然后他们创建了一个平台，将SPM操作分类为固定策略（预定义）或奖励驱动（机器学习引导）工作流，从而实现常规自动化和自主科学发现。
关键结果
该工作提供了一个完整的基础设施，将SPM控制与HPC集成，支持固定策略和奖励驱动的工作流，用于自动化和自主实验。