Key points are not available for this paper at this time.
La plupart des découvertes en science des matériaux ont été réalisées empiriquement, généralement par des expérimentations une variable à la fois (Edisonian). Les caractéristiques des systèmes basés sur des matériaux ne sont cependant ni simples ni non corrélées. Dans un dispositif tel qu'un photovoltaïque organique, par exemple, le niveau de complexité est élevé en raison du nombre élevé de composants et de conditions de traitement, et par conséquent, changer une variable peut avoir plusieurs effets imprévus en raison de leur interconnectivité. La conception d'expériences (DoE) est particulièrement adaptée à de telles analyses multivariables : en planifiant ses expériences selon les principes du DoE, on peut tester et optimiser plusieurs variables simultanément, accélérant ainsi le processus de découverte et d'optimisation tout en économisant du temps et des ressources précieuses en laboratoire. Lorsqu'elle est associée à l'apprentissage automatique, la considération de ses données de cette manière offre une perspective différente pour l'optimisation et la découverte, semblable à l'escalade d'une vallée étroite d'expérimentations sérielles (une variable à la fois), jusqu'à une crête de montagne avec une vue à 360° dans toutes les directions.
Cao et al. (Fri,) ont étudié cette question.