通过线性组合策略和机器学习进行实时线性IR分析,以实现自动化反应优化
Yosuke Ashikari1, Takashi Tamaki2,3, Kyosuke Tomite1
1Faculty of Science, Hokkaido University, Sapporo, Hokkaido, Japan.
我们开发了一个有机化学自动化系统,使用实时分析和神经网络模型. 该系统准确地预测反应产量,使化学过程的快速优化成为可能.
科学领域:
- 有机化学 有机化学
- 化学工程是化学工程的重要组成部分.
- 分析化学 分析化学
背景情况:
- 自动化显著提高了科学领域的效率,准确性和可重复性.
- 在有机化学中,自动化复杂的任务,如反应优化和分析,是一个持续的挑战.
- 目前的方法往往缺乏在有机合成中快速研发所需的速度和精度.
研究的目的:
- 引入一个全自动化系统,以加速有机化学的研发.
- 为了实现化学反应的实时内联分析和产量预测.
- 为了促进反应条件和过程分析的快速优化.
主要方法:
- 开发了一个完全自动化的系统,集成流量化学和实时线内分析.
- 采用福里埃变换红外光谱仪 (FTIR) 用于线内光谱数据采集.
- 利用在光谱强度上训练的神经网络模型进行准确的产量预测.
主要成果:
- 证明了 Suzuki-Miyaura 交叉合反应的实时收益率预测,准确度高.
- 成功地集成了光谱分析,神经网络建模和流化学,用于自动化过程控制.
- 通过自动化系统实现了反应条件的快速有效优化.
结论:
- 拟议的自动化系统通过实现快速,准确和高效的反应优化,显著推进有机化学研究.
- 实时线上分析与预测建模相结合,为流程开发提供了强大的方法.
- 这项技术有可能加速有机合成的发现和扩展.
更多相关视频
06:50O-cresol Concentration Online Measurement Based On Near Infrared Spectroscopy Via Partial Least Square Regression
Published on: November 8, 2019
09:56Real-time Monitoring of Reactions Performed Using Continuous-flow Processing: The Preparation of 3-Acetylcoumarin as an Example
Published on: November 18, 2015
相关概念视频
Classification of Titrimetric Analysis Based on Reaction Types
Titrations between an acid and a base lead to neutralization reactions that form...
Predicting Reaction Outcomes
Measuring Reaction Rates
Infrared (IR) Spectroscopy: Overview
Different compounds display unique properties due to their...
Applications of IR Spectroscopy: Overview
IR and UV–Vis Spectroscopy of Aldehydes and Ketones
