材料配方发现

当你只有少量、带噪声的实验数据时，平台用代理模型学习各组分的贡献，再挑出预测性能最优的配方组合。

请求参数

字段	说明
problem	"materials"
items	候选组分数组，每项 {name, value}，value 为该组分的（含噪声）贡献度

请求示例

{
  "problem": "materials",
  "engine": "cpu",
  "params": {
    "items": [
      {"name": "FA", "value": 0.9},
      {"name": "MA", "value": 0.4},
      {"name": "Br", "value": -0.5}
    ]
  }
}

返回示例

{
  "summary": {
    "selected": [{"name": "FA", "value": 0.9}, {"name": "MA", "value": 0.4}],
    "predictedScore": 1.3
  }
}

要点

代理模型会从带噪声的数据中学习真实贡献，正贡献组分应入选。