本研究提出了一种多保真框架，用于系统性优化遗传算法（GA）的超参数。该框架整合了三个保真度级别：高保真度的快速傅里叶变换（FFT）均化用于验证，中保真度的3D卷积神经网络代理用于快速性质评估，以及低保真度的高斯过程（GP）代理，置于贝叶斯优化（BO）框架中以指导超参数搜索。本文评估了多种获取函数，其中logNEI表现最佳，能够有效考虑GA评估中固有的噪声。
所提出的框架能够识别出超参数配置，使得25代GA运行的弹性模量值可与完整75代优化所获得的结果相媲美。此外，引入惩罚性的BO目标显著减少了所需晶格的数量，仅导致绝对弹性模量的轻微下降，揭示了性能与需评估结构数量之间的实用权衡。高保真FFT验证了代理驱动优化策略的有效性。
优化后的超参数实现了快速收敛，消除了晶格变异的需求，并将整体计算成本降低了24%（从225小时降至171小时），同时保留了机械性能。这些结果展示了多保真优化作为GA超参数调优及未来实验晶格设计研究的高效且实用的方法的潜力。
博主点评：该研究通过引入多保真框架和贝叶斯优化，显著提升了遗传算法超参数调优的效率，展示了在材料设计中的广泛应用前景。