Оптимизация химического процесса черного ящика
Оптимизация процесса химического выделения черного ящика
Умные химические системы
Основано на поддержке принятия решений о том, какой эксперимент выполнять далее
Введение
Разработка и оптимизация химических процессов – одна из основных задач в процессном инжиниринге. При создании химической системы (например, операции с использованием единиц) с большим количеством параметров проектирования, часто возникает вопрос о том, как быстро достичь оптимального проектирования(-й). Если бы у нас была модель системы, мы могли бы решить задачу численно, то есть оптимизировать с учетом указанной метрики (например, выход, физические свойства, стоимость и т. д.). Однако часто это невозможно, так как взаимосвязи (например, кинетика, физические явления) не полностью понимаются или, возможно, вообще неизвестны. Поэтому формулировка уравнений невозможна.
В таких случаях единственной возможностью остается найти оптимальное проектирование с помощью эмпирических моделей, питаемых данными из экспериментов. Традиционно, например, можно обратиться к откликам поверхности и центральным составным моделям для идентификации оптимальных условий работы. Они используют локальные аппроксимации второго порядка и градиентный подъем/спуск для нахождения лучшей конфигурации.
В этой статье, однако, речь идет о альтернативной стратегии, а именно о байесовской оптимизации, связанной с обучением с подкреплением и успешно применяемой в проектировании материалов, химических реакций и лекарств. Она предлагает преимущества, такие как большая гибкость моделей и обработка информации с мульти-достоверностью. Последнее относится к тому факту, что данные различного качества из разных источников могут использоваться для оптимизации, например, когда физические модели по крайней мере в минимальной степени доступны.
Постановка проблемы
Многорукое ограбление
Вы можете спросить, зачем нам нужен еще один метод оптимизации? Позвольте мне ответить на этот вопрос, описав следующую ситуацию. Вы оказываетесь перед игровым автоматом с k руками, то есть у вас есть k рук для нажатия, и каждая рука i имеет вероятность pᵢ дать вам вознаграждение rᵢ. Очевидно, вашей целью будет максимизировать ваше общее вознаграждение R, но у вас есть только конечное количество попыток (бюджет) T. Это так называемая…
