Un enfoque de red neuronal informada por la física (PINN) para la dinámica de sobreequilibrio en sistemas de...

Área de la Ciencia:

• Cinética química
• Química computacional
• Inteligencia artificial en la ciencia

Sus antecedentes:

• Los experimentos de equilibrio perturbado conservadoramente (CPE) revelan extremos de concentración transitorios que superan los valores de estado estacionario.
• La simulación de estas dinámicas de sobreequilibrio en redes de reacciones químicas es computacionalmente desafiante y a menudo requiere datos extensos de series temporales.

Objetivo del estudio:

• Introducir un marco de red neuronal informada por la física (PINN) para simular la dinámica de sobreequilibrio en redes de reacciones químicas.
• Demostrar la capacidad del PINN para capturar con precisión los extremos de concentración transitorios sin necesidad de datos extensos de series temporales.

Principales métodos:

• Se desarrolló un marco PINN que incorpora la cinética de reacción, los invariantes estequiométricos y las restricciones de equilibrio en la función de pérdida.
• Se aseguró que la solución PINN se adhiere estrictamente a las leyes de conservación física.
• Se aplicó el PINN a mecanismos de reacción reversibles de tres y cuatro especies (acíclicos y cíclicos).

Principales resultados:

• El sustituto PINN reprodujo con precisión los resultados de la integración convencional de EDO.
• El modelo capturó con éxito los extremos de concentración característicos tempranos (máximos/mínimos) y la posterior relajación al equilibrio.
• Se logró una alta precisión en la predicción del momento y la magnitud de los extremos, preservando al mismo tiempo la masa total.

Conclusiones:

• El enfoque informado por la física permite la simulación precisa de la dinámica de sobreequilibrio con datos mínimos.
• Los PINN ofrecen un método eficiente en parámetros y físicamente restringido para modelar sistemas químicos complejos.
• Este marco demuestra el potencial de la IA en el avance de la química computacional y la dinámica de reacciones.