ベイズ最適化は、逐次最適化のための機械学習手法です。確率モデルに基づいて、活用（予測が良い条件を優先）と探索（まだ実験していない条件を優先）をバランス良く行うことで、少ない実験回数で良好な条件を得ることができます。

ベイズ最適化は、様々な分野に応用されていますが、実際のプロセス最適化への応用では、これまで考えられてこなかったような問題設定の場合もあり、新しい技術の開発が必要になります。たとえば、シリコン成膜条件の最適化では、特性そのものに加えて、特性評価に要する時間や装置エラー条件といったことも考慮する必要がありました。我々は、ベイズ最適化とエンジニアの知識をうまく融合する手法を開発し、良好な条件を得ることができました[1]。

このように実際の応用は、新しい問題設定の宝庫であり、応用のためのサイエンス・技術の研究が必要です。