Jul, 2023
机器学习化学厂模拟的可扩展性：一种微调模型以诱导稳定固定点的方法
Scaling machine learning-based chemical plant simulation: A method for fine-tuning a model to induce stable fixed points
Malte Esders, Gimmy Alex Fernandez Ramirez, Michael Gastegger, Satya Swarup Samal
TL;DR通过将机器学习模型直接拟合到植物传感器数据上，我们采用了一种结构化的方法，将化工厂的每个单元表示为一个机器学习模型，并将这些模型连接成一个类似于流程图的有向图。我们发现，对于较小的工厂，这种方法效果良好，但对于较大的工厂，流程图中大型和嵌套循环引起的复杂动力学导致循环求解器的不稳定性。我们对这个问题进行了深入分析，并表明这不仅是一个专业性问题，而是一个更普遍的挑战，可能在应用机器学习于较大工厂时经常出现。为了解决这个问题，我们提出了一种微调机器学习模型的方法，使得使用常规方法求解循环变得稳定。