chemical engineering
PulseAugur coverage of chemical engineering — every cluster mentioning chemical engineering across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
LLM加速化学工程中的动力学模型发现
研究人员开发了DASyR-LLM，一个将大型语言模型（LLM）与符号回归相结合的新颖框架，以加速化学工程中的动力学模型发现。这种LLM指导的方法将领域知识注入符号回归过程，从而能够更有效地识别准确的速率表达式。在各种案例研究中的评估表明，与现有方法相比，DASyR-LLM显著减少了寻找真实模型所需的迭代次数，同时保持了预测性能。
-
LLM指导的符号回归加速动力学模型发现
一个名为DASyR-LLM的新框架将大型语言模型（LLM）与符号回归相结合，以加速化学工程中动力学模型的发现。LLM组件提供领域特定的模型评估和新表达式建议，显著减少了识别准确速率表达式所需的迭代次数。该方法在各种案例研究中显示迭代次数减少了41.7%-79.3%，可能为实验工作带来可观的节省。
-
新框架将混合模型与神经符号AI连接起来
研究人员开发了一个名为Hybrid-to-NeSy (H2N)的新框架，该框架将混合机制/数据驱动模型与神经符号AI连接起来。这种方法将混合建模设计转化为神经符号接口，将机制知识视为语言，将学习模块视为信念，将约束视为逻辑。H2N框架引入了两个指标：结构违规率 (SVR)，用于评估对机制结构的遵循程度；以及信念分散度 (BD)，用于量化机制组件中的认知不确定性。这些指标在一个二元分类案例研究中得到了验证，结果表明较高的SVR和BD与更…
-
AI模型HANNA在物理定律内预测液态混合物热力学性质
研究人员开发了一个名为HANNA的新机器学习模型，旨在预测复杂液态混合物的热力学性质。该模型受到物理定律的约束，确保其预测符合基本的热力学原理。HANNA旨在提高预测相平衡和此类混合物整体行为的准确性。