研究背景
近年來，隨著數(shù)據(jù)儲存成本絳低,、算力提高和高效算法的提出,，AI領域的機器學習突飛猛進。Chat GPT,、Sora等AI工具大大提高了人類的效率,，很有可能引發(fā)第四次工業(yè)革命浪潮。英偉達（Nvida） CEO 黃仁勛在近期會議中提到的 “人類生物學才是未來" ,，英偉達在藥物發(fā)現(xiàn)領域持續(xù)發(fā)力,。可見人工智能或機器學習在藥物發(fā)現(xiàn),、開發(fā)和合成生產(chǎn)領域,，即將扮演越來越重要的角色。為此了解什么是機器學習,，它在藥物化學領域會起到什么樣的作用,，它是如何工作，能幫助我們理解并使用這一工具提高工作效率。下面我們通過印度理工的這篇文章看看,，運用康寧反應器集成在線光譜獲的數(shù)據(jù),，通過半監(jiān)督機器學習的方法識別反應機理，動力學方程,。
傳統(tǒng)動力學方程建立需要校準模型，使用釜式反應器獲得相關數(shù)據(jù)是一件費時費力的工作,。與光譜儀器集成的連續(xù)流反應器可快速收集豐富的光譜數(shù)據(jù)信息,。測量的光譜數(shù)據(jù)和校準模型可用于監(jiān)測反應進展，闡明反應動力學,，并有效地獲得反應機理見解,。通常使用傳統(tǒng)釜式反應器在不同時間取樣，獲得的濃度信息會受到傳質(zhì)傳熱的影響,，得不到本征動力學模型,。該文利用康寧反應器得高效傳熱傳質(zhì)特征，集成在線光譜工具,，實時監(jiān)控反應進度,，避免離線分析造成結(jié)果偏離。該文提出一種不需要校準模型的半監(jiān)督機器學習方法,，自動識別反應機理方程的系數(shù)及擬合不同動力學方程,，通過不同動力學方程擬合的信息熵AIC（Akaike information criterion）來選擇較為合適的動力學方程。
圖1：實驗裝置示意圖
9
立即詢價
您提交后,，專屬客服將第一時間為您服務