用于优化聚合物生产的机器学习
| 用于优化聚合物生产的机器学习 |
| 通过确定理想的制造条件，机器学习减少了昂贵且耗时的实验的需要。 |
|
日本筑波，2024 年 12 月 2 日 - (亚太商讯) -塑料等聚合物在生活和工业的许多方面都至关重要，从包装和汽车到医疗设备和光纤。它们的价值来自于多种特性，这些特性很大程度上取决于构成聚合物的单体（单一化学单元）。不幸的是，在制造过程中控制单体的化学行为以实现期望的结果可能具有挑战性。 
现在，由日本奈良科学技术研究所 Mikiya Fujii 教授领导的研究小组利用机器学习对聚合过程进行数学建模，减少了耗时且昂贵的实验的需要。他们的结果已发表在《先进材料科学与技术：方法》杂志上。 机器学习算法需要数据，因此研究人员设计了一种聚合过程，可以快速有效地生成实验数据以输入数学模型。目标分子是苯乙烯-甲基丙烯酸甲酯共聚物，它是通过将苯乙烯和甲基丙烯酸甲酯单体混合制成的，两者都已溶解在添加了引发剂物质的溶剂中，然后在水浴中加热。 该团队还使用了一种称为流动合成的方法，其中两种单体溶液以恒定流动混合并加热。这样可以实现更好的混合、更高效的加热以及更精确地控制加热时间和流量，这使其非常适合与机器学习一起使用。 该模型评估了聚合过程中五个关键变量的影响：引发剂浓度、溶剂与单体的比例、苯乙烯的比例、反应温度以及在水浴中花费的时间。目标是获得苯乙烯含量尽可能接近 50% 的最终产品。 一旦获得足够的实验数据，机器学习过程只需五个计算周期即可实现苯乙烯与甲基丙烯酸甲酯的理想比例。结果表明，关键在于较低的温度和较长的水浴时间，以及降低溶剂中单体的相对浓度。研究人员惊讶地发现溶剂浓度与混合物中单体的比例同样重要。 “我们的结果表明，机器学习不仅可以明确地揭示人类可能认为理所当然的事情，而且还可以提供以前未被认识到的新见解，”Mikiya Fujii 教授说。– 在化学中使用机器学习可以为更智能、更环保的制造流程打开大门，同时减少浪费和能源消耗。 – 更多信息 纸张： https://doi.org/10.1080/27660400.2024.2425178 关于先进材料科学与技术：方法（STAM-M） STAM 方法是先进材料科学与技术 (STAM) 的开放获取姐妹期刊，专注于改进和/或加速材料开发的新兴方法和工具，例如方法、设备、仪器、建模、高通量数据收集、材料/过程信息学、数据库和编程。https://www.tandfonline.com/STAM-M一个 中道康文博士 亚洲先进材料科学技术研究新闻发布的新闻稿。
主题：新闻稿摘要
亚洲企业新闻网的一个部门。 |
关于《用于优化聚合物生产的机器学习》的评论
暂无评论