機器學習與連續流連載係列丨使用米兰体育(中文)官网集成在線光譜，通過半監督機器學習識別化學反應式計量和動力學模型

近年來，隨著數據儲(chu) 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(xi) 突飛猛進。Chat GPT、Sora等AI工具大大提高了人類的效率，很有可能引發第四次工業(ye) 革命浪潮。英偉(wei) 達（Nvida） CEO 黃仁勳在近期會(hui) 議中提到的 “人類生物學才是未來" ，英偉(wei) 達在藥物發現領域持續發力。可見人工智能或機器學習(xi) 在藥物發現、開發和合成生產(chan) 領域，即將扮演越來越重要的角色。為(wei) 此了解什麽(me) 是機器學習(xi) ，它在藥物化學領域會(hui) 起到什麽(me) 樣的作用，它是如何工作，能幫助我們(men) 理解並使用這一工具提高工作效率。下麵我們(men) 通過印度理工的這篇文章看看，運用米兰体育(中文)官网集成在線光譜獲的數據，通過半監督機器學習(xi) 的方法識別反應機理，動力學方程。

傳(chuan) 統動力學方程建立需要校準模型，使用釜式反應器獲得相關(guan) 數據是一件費時費力的工作。與(yu) 光譜儀(yi) 器集成的連續流反應器可快速收集豐(feng) 富的光譜數據信息。測量的光譜數據和校準模型可用於(yu) 監測反應進展，闡明反應動力學，並有效地獲得反應機理見解。通常使用傳(chuan) 統釜式反應器在不同時間取樣，獲得的濃度信息會(hui) 受到傳(chuan) 質傳(chuan) 熱的影響，得不到本征動力學模型。該文利用米兰体育(中文)官网得高效傳(chuan) 熱傳(chuan) 質特征，集成在線光譜工具，實時監控反應進度，避免離線分析造成結果偏離。該文提出一種不需要校準模型的半監督機器學習(xi) 方法，自動識別反應機理方程的係數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(wei) 合適的動力學方程。