METHOD AND APPARATUS FOR EXPLORING AN EXPERIMENTAL SPACE

A hybrid learning system is provided for searching an experimental space. A data mart is configured to acquire, store and manipulate at least historical experimental data, descriptor data, and concurrent experimental data. A search engine is designed to use unsupervised learning techniques to select a set of evaluation points representing a corresponding set of experiments to be run, based on data from the data mart. A point evaluation mechanism provided with supervised learning modules which perform predictive processing based on the evaluation points selected by the search engine, and a scoring module performs a rating operation on outputs of the learning modules to rate the outputs of the learning modules from best to worst. The data mart search engine and point evaluation mechanism allow for a repetitive processing to refine an output of potential solutions the requirement of continually running actual physical experiments. La présente invention concerne un système d'apprentissage hybride permettant de rechercher un espace expérimental. Un dépôt de données est conçu pour acquérir, stocker et manipuler au moins des données expérimentales historiques, des données techniques, et des données expérimentales concurrentes. Un moteur de recherche est conçu pour utiliser des techniques d'apprentissage non supervisé de manière à sélectionner un ensemble de points d'évaluation représentant un ensemble correspondant d'expériences à mener, en fonction de données issues du dépôt de données. Un mécanisme d'évaluation par points fournit avec les modules d'apprentissage supervisé qui exécutent un traitement prédictif en fonction des points d'évaluation sélectionnés par le moteur de recherche, et un module de notation exécute une opération d'étalonnage sur les résultats des modules d'apprentissage de manière à étalonner les résultats des modules d'apprentissage du meilleur au plus mauvais. Le moteur de recherche dépôt de données et le mécanisme d'évaluation par points permettent un traitement répétitif de manière à rendre plus précis un résultat de solutions potentielles sans que la conduite d'expériences physiques réelles de manière continue soit nécessaire.