多反应器系统产率优化的过程约束批量贝叶斯方法
机器学习
2024-08-06 v1
摘要
多反应器系统产率的优化是异构催化研究中面临的挑战，因其包含层次化技术约束。为此，本工作引入一种新颖方法，称为通过 Thompson 抽样实现的过程约束批量贝叶斯优化 (pc-BO-TS) 及其广义层次化扩展 (hpc-BO-TS)。该方法针对多反应器系统的效率需求，整合实验约束，在序列批量优化策略中平衡探索与开发。它在其他贝叶斯优化方法之外提供了改进。pc-BO-TS 和 hpc-BO-TS 的性能在合成案例以及基于来自真实场景的数据——该数据来自 REALCAT 平台上可用的多反应器系统的高通量实验——得到验证。所提出的方法常常优于其他序列贝叶斯优化方法和现有的过程约束批量贝叶斯优化方法。这一工作为优化多反应器系统中反应产率提供了一种新颖方法，标志着数字化催化及更广泛地用于化工工程优化方法的重要进展。
关键词
引用
@article{arxiv.2408.02551,
title = {Process-constrained batch Bayesian approaches for yield optimization in multi-reactor systems},
author = {Markus Grimm and Sébastien Paul and Pierre Chainais},
journal= {arXiv preprint arXiv:2408.02551},
year = {2024}
}