Jan, 2024

应用机器学习优化聚烯烃制造

PDF
TL;DR本文介绍了机器学习在化学和聚烯烃制造优化中的应用，从 AI 和 ML 在化学工业的演变、核心 ML 组件和入门资源、各种 ML 方法以及深度学习网络探索，到使用先进 ML 算法进行预测建模的实践工作坊，提倡科学引导的机器学习方法，旨在为化学工程和聚烯烃生产中的 ML 实际应用提供详尽介绍，并为后续学习奠定基础。
machine learningchemical processesml methodsdeep learning networkspolyolefin production
发现论文，激发创造
  • 机器学习在生物制药工艺开发和制造中的应用：当前趋势、挑战和机遇

    机器学习在生物制药领域具有重要贡献，但其应用仍处于早期阶段，未能直接支持基于设计质量的生物制药开发与制造，阻碍了从开发到制造中的生物工艺自动化的巨大潜力。然而，随着大规模生产数据的积累，逐渐采用基于机器学习模型而非传统的多元数据分析方法，主要驱动因素是通过先进的过程分析技术对生物制药产品的过程变量和质量属性进行实时监测。本文旨在全面回顾机器学习解决方案在生物产品设计、监测、控制和上、下游以及产品配方过程中的应用，深入讨论与生物工艺、过程数据以及机器学习模型在生物制药过程开发和制造中相关的主要挑战，并提供新兴的机器学习方法和新型数字生物制药解决方案发展的进一步见解。

    Oct, 2023

  • 结合机器学习与计算化学以预测化学系统的观察结果

    新颖的应用机器学习与计算化学方法在分子建模、材料建模、药物设计等方面取得了可靠且富有洞见的预测结果。

    Feb, 2021

  • 结构导向的材料和工艺设计中的机器学习

    近年来，加速材料创新引起了学术界和工业界的广泛关注。为了为新型先进材料的开发增添价值，必须考虑制造过程，并将材料设计方法与下游工艺设计相结合。本研究提出了一种整体优化方法，涵盖了整个材料的过程 - 结构 - 性能链。采用机器学习技术解决了两个关键的识别问题，即材料设计问题和工艺设计问题。我们应用强化学习与多任务学习的优化方法，在金属成型过程中制造具有所需属性的晶体纹理，展示了该方法的功能。

    Dec, 2023

  • 利用进化机器学习对生物质原料和聚合物废料混合热解进行表征和优化

    利用机器学习方法，数量化生物质和聚合物共热解过程中的产品，并实现预测，该研究发现高斯过程回归模型调整粒子群优化算法的预测性能最优，是一种更有效的方法。

    May, 2023

  • 应用机器学习提高微生物生物合成的效率和范围：技术现状综述

    现今，技术达到了巅峰。探索了不同的编程和技术途径用于数据分析、自动化和机器人技术。机器学习是优化数据分析、进行准确预测以及加快 / 改进现有功能的关键。因此，目前人工智能领域中的机器学习正在发展，并且正在探索它在不同领域的应用。其中一个领域突出的应用是微生物生物合成。本文提供了微生物生物合成中所使用的不同机器学习程序的全面概述，并简要描述了机器学习和微生物生物合成这两个领域。包括过去的趋势、现代的发展、未来的改进、过程的解释以及当前面临的问题。因此，本文的主要贡献是概括这两个关键领域的发展并提供全面的解释，以及它们对于改进工业 / 研究的适用性。它还突出了挑战和研究方向，旨在激发在不断发展的领域中进行更多的研究和发展。最后，本文旨在成为正在进行研究的学者、改进流程的行业专业人员和想要理解生物合成中的机器学习概念的学生的参考资料。

    Aug, 2023

  • 化工数据集信息最大化：机器学习应用

    本文讨论了化学工程数据普遍存在的高方差 / 低体积数据、低方差 / 高体积数据、噪声、缺失数据和受物理限制的数据等四种特征如何导致传统人工智能方法应用困难，并阐述了当前化学工程研究如何扩展数据科学和机器学习以应对这些挑战，最后识别出未来研究的几个关键问题。

    Jan, 2022

  • 基于机器学习的智能化学纯化技术

    通过发展自动化平台和应用先进的机器学习算法，本研究通过预测模型来提高色谱过程的效率和质量，使用转移学习技术可以适应不同的柱规格，为传统色谱学挑战提供可扩展的解决方案。

    Apr, 2024

  • 回收材料的敏捷制造中的机器学习方法实现可持续性

    本研究通过数据驱动的 AI 方法，应用机器学习模型，探索采用再生和回收材料的敏捷制造决策支持的材料科学中的环境可持续性，通过对热处理参数对材料性质的影响、颗粒尺寸检测和短语分数检测进行预测分析，得出了很多有希望的结果，但是之后的工作仍需面对各种挑战。

    Mar, 2023

  • 多目标优化与主动学习完全自主材料设计框架：挑战和下一步

    利用多目标黑盒优化的主动学习过程，在实时流数据和模块化多目标优化软件开发技术支持下，实现了自动化连续流化学实验室的自治操作，为电解质生产提供了理想的制造条件。

    Apr, 2023

  • 使用不完备的机械知识进行制造过程加速且低成本的机器学习

    本研究提出了一种基于迁移学习的方法，通过使用大量来源于基于物理的流程模型的计算廉价的数据进行 ML 模型训练，然后在少量代价昂贵的实验数据上进行微调，从而降低了新工艺过程物理模型开发的高成本，并且该方法在 Fused Filament Fabrication 的印刷线宽建模中表现良好，减少了模型开发时间、实验成本、计算成本和预测误差。

    Apr, 2023