深度强化学习揭示无需先验知识分离共沸混合物的过程

MMOct, 2023

深度强化学习揭示无需先验知识分离共沸混合物的过程

Deep reinforcement learning uncovers processes for separating azeotropic mixtures without prior knowledge

Quirin Göttl, Jonathan Pirnay, Jakob Burger, Dominik G. Grimm

TL;DR化学工程中的流程综合是一个复杂的规划问题，深度强化学习代理在无先验知识的情况下展现出在不同化学系统中分离二元共沸混合物的能力，并在考虑不同进料组成和概念方法的情况下学习到了近乎最优的流程图，突显了代理的规划灵活性。

Abstract

process synthesis in chemical engineering is a complex planning problem due to vast search spaces, continuous parameters and the need for generalization. →

process synthesis chemical engineering deep reinforcement learning flowsheet synthesis binary azeotropic mixtures

发现论文，激发创造

深度强化学习在过程设计中的应用：综述与展望

转向可再生能源和原料供应的化工行业需要新的概念性工艺设计方法。最近，人工智能的突破为加速这一转型提供了机会。特别是深度强化学习作为机器学习的一个子类，已显示出解决复杂决策问题和辅助可持续工艺设计的潜力。我们通过三个主要元素调查了强化学习在工艺设计中的最新研究：（i）信息表示，（ii）智能体体系结构和（iii）环境和奖励。此外，我们讨论了潜在挑战的观点和有前景的未来工作，以充分发挥化工工程中强化学习的潜力。

Aug, 2023

使用强化学习学习如何导航合成可达的化学空间

本研究提出了一种基于增强学习框架的新型前向合成模型 (PGFS)，可以解决化学分子结构的可合成性和合成路线问题，该模型可以为机器学习的药物设计提供一个有挑战性的基础测试平台。

Apr, 2020

深度强化学习用于 De-Novo 药物设计

该论文提出了一种新的计算策略，名为 ReLeaSE（增强学习结构进化），通过深度学习和强化学习的方法，利用生成模型和预测模型生成具有预设属性的新型化合物库，此方法可用于生成具有单一或多个属性的有针对性的化合物库。

Nov, 2017

基于模型的深度强化学习加速流体模拟的学习

深度强化学习在闭环流控问题中应用模拟环境进行优化，通过模型和流模拟样本相互交替训练，有效减少流控应用中的计算时间，尤其对于复杂流模拟有着潜在的巨大节约。

Feb, 2024

探索化学空间的好奇心：深度分子强化学习的内在奖励

本研究提出了一种灵感来源于好奇心的算法来帮助增强学习智能体在化学空间中实现高效探索，并在三个基准测试中展示了好奇心智能体可以找到表现更好的分子。这可能将带来出人意料的新分子，从而打破药物和材料发现领域。