超声波辅助新型溶剂提取工厂活性成分的智能转化:机器学习和深度学习工具
Yue Meng1, Hanying Yang1, Zimu Li1
1Key Laboratory of Dairy Science, Ministry of Education, Department of Food Science, Northeast Agricultural University, Harbin 150030, China.
Food chemistry
|May 11, 2025
概括
机器学习和深度学习为超声波辅助提取 (UAE) 挑战提供了解决方案. 这些人工智能模型加速了溶剂选,优化了流程,并增强了对提取机制的理解,以提高植物生物活性化合物产量.
科学领域:
- 绿色化学 绿色化学
- 生物技术是生物技术.
- 人工智能的人工智能
背景情况:
- 超声辅助提取 (UAE) 通过化,机械和热效应提高了植物生物活性化合物的产量.
- 阿联的挑战包括新型溶剂设计,工艺优化,机制阐明和设备安全.
研究的目的:
- 审查应用机器学习 (ML) 和深度学习 (DL) 的进展,以应对阿联的挑战.
- 突出人工智能驱动的解决方案用于溶剂选,活性成分发现,过程优化,机制分析和设备监控.
主要方法:
- 文献综述侧重于阿联的ML/DL应用.
- 分析人工智能模型对克服提取复杂性的贡献.
主要成果:
- 人工智能模型加速了新型溶剂选和活性成分发现.
- ML/DL有助于优化复杂的提取过程和分析潜在机制.
- 人工智能可以实时监控超声波设备,提高安全性和效率.
结论:
- 人工智能为克服目前阿联局限性提供了强大的工具,为更高效和可持续的开采铺平了道路.
- 未来的方向包括开发通用AI框架,并将AI与计算化学和工业5.0.0的可持续工程集成在一起.
- 跨学科的方法对于推进数字化,生态效率和智能提取系统至关重要.


