一种“电子表格版的ChatGPT”帮助更快地解决复杂工程挑战

麻省理工学院研究人员开发了一种新方法，利用表格基础模型改进贝叶斯优化。

该方法在复杂工程问题中能更快找到最佳解决方案，速度比传统算法快10到100倍。

适用于汽车安全设计等领域，显著提升了优化效率。

传统的贝叶斯优化方法在处理高维问题时效率低下，需要不断重训练代理模型。

研究人员使用了一个表格基础模型作为贝叶斯优化算法中的代理模型，避免了频繁重训练。

该模型能够自动识别对性能提升最重要的变量，集中搜索高影响变量。

在60个基准测试中，该方法在电力系统优化等实际工程问题上表现优异。

未来研究将探索如何提升表格基础模型的性能，并应用于更高维度的问题。

该研究表明基础模型不仅可以用于感知或语言，还可以作为科学和工程工具中的算法引擎。