-
题名基于物理信息机器学习的酶促反应系统参数估计
- 1
-
-
作者
刘承杰
俞辉
陈宇
戴厚德
-
机构
福州大学先进制造学院
中国科学院福建物质结构研究所
福建农林大学机电工程学院
福建省特种设备检验研究院福建省特种智能装备安全与测控重点实验室
-
出处
《化学工程》
CAS
CSCD
北大核心
2024年第7期77-81,94,共6页
-
基金
福建省特种智能装备安全与测控重点实验室(FJIES2023KF02)
泉州市科技计划项目(2022C004L)。
-
文摘
为揭示物理信息神经网络在生化领域中的潜力,研究一种基于现代物理信息机器学习工具的新参数估计方法,并通过酶促反应过程模型的案例研究进行了演示,比较软、硬边界约束设置对计算结果的影响。实验分析表明,利用软、硬2种不同约束的物理信息神经网络均能获得精确的模型参数估计值,并在所有的可观测变量上的拟合优度R^(2)在0.98以上,所得到的系统模型能够较好地反映系统的动态过程。所提出的方法融合了模型驱动与数据驱动方法的优势,并且能够在基于采样40次的含噪声小型数据集上获得稳健的训练结果,显著降低对数据量的要求。
-
关键词
物理信息嵌入
酶促反应
神经网络
参数估计
硬约束
-
Keywords
physics-informed
enzyme reaction
neural network
parameter estimation
hard constraint
-
分类号
TP18
[自动化与计算机技术—控制理论与控制工程]
TQ033
[化学工程]
-
