作者:塞西莉亚·阿尔瓦拉多，考斯特大学高级膜和多孔材料研究中心 学分:阿卜杜拉国王科技大学 膜分离长期以来被认为是高能效的工艺，市场发展迅速
特别是，有机溶剂纳滤(OSN)技术在应用于石油化工、制药和天然产品等各种行业时显示出巨大的潜力
这些行业消耗的能源占世界总能耗的10%到15%
然而，预测OSN膜分离性能的困难阻碍了从实验室发现到工业实施的平稳过渡
由于溶剂、溶质和膜相互作用的复杂性，预测膜的性能是一项具有挑战性的任务
阿卜杜拉国王科技大学高级膜和多孔材料中心的项目负责人捷尔吉·策克利说:“尽管有大量关于膜应用的文献和报告，但仍然没有全面的数据库来指导社区。”
KAUST的研究人员与韩国仁川国立大学的研究人员合作，开发了一种基于人工智能的预测方法，可以快速跟踪膜在有机介质中的工业应用
他们进行数据挖掘以产生最大的数据集，包括该领域的38，000多个数据点
他们没有从基本的数学角度来处理预测问题，而是通过利用人工智能来打破常规
虽然有经验的膜研究人员可以在三维空间(最好是四维空间)解释复杂的膜数据，但人工智能可以非常有效地分析多维数据并提取隐藏的趋势和相关性
“为了阐明控制膜性能的关键参数(例如
g
该研究的第一作者胡家惠说:“我们用18个维度进行了全面的主成分分析
“我们应用了机器学习算法(人工神经网络、支持向量机和随机森林模型)，预测分离性能的准确率达到前所未有的98%，选择性达到91%
" 此外，研究成果为更好的膜设计和开发铺平了道路
开发的性能预测方法将允许节能分离的计算机开发
“最终，我们离从湿实验室到有线实验室的必要转变又近了一步，”策克利说
“针对给定的分离挑战，快速识别合适的膜将通过最大限度地减少实验室中费力的实验筛选来最大限度地提高利润率
"
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
