含噪声测量：贝叶斯优化在自动化实验中协同优化噪声与属性发现
TLDR
贝叶斯优化框架协同优化自动化实验中的测量噪声与目标属性，经仿真和实际PFM验证。
评分理由
The paper presents a novel BO workflow integrating noise optimization, which is a clear strength. It is validated with both simulations and real-world experiments (PFM), adding credibility. However, the abstract lacks details on scalability or comparison to baselines, and the scope is limited to materials science.
Read-first 评分解释
综合优先阅读分 44.7，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 53。
研究版图角色
桥接论文
排序敏感性
稳定性：volatile；排名波动范围：80。
关键词评分
深度分析
创新点
- 通过贝叶斯优化将步内噪声优化集成到自动化实验循环中
- 引入时间作为额外输入参数以同时优化目标属性和测量噪声
- 两种新方法：奖励驱动的噪声优化和双优化采集函数
方法
一种贝叶斯优化工作流，通过将时间作为输入参数，协同优化目标属性和测量噪声，平衡信噪比和实验持续时间。探索了两种策略：奖励驱动的噪声优化和双优化采集函数。该方法通过仿真和实际压电响应力显微镜（PFM）实验进行了验证。
关键结果
该方法在仿真和PFM实验中成功优化了测量持续时间和属性探索，提高了数据质量并减少了资源消耗。