Machine Learning and Hybrid Modelling for Reaction Engineering: Theory and Applications
W ciągu ostatniej dekady nastąpiło znaczące odejście od tradycyjnego modelowania mechanistycznego i empirycznego na rzecz modelowania statystycznego i opartego na danych do zastosowań w inżynierii reakcji.
W szczególności, integracja uczenia maszynowego i modeli pierwszorzędowych wykazała znaczny potencjał i sukces w odkrywaniu kinetyki (bio)chemicznej, przewidywaniu i optymalizacji złożonych reakcji oraz zwiększaniu skali reaktorów przemysłowych. Podsumowując najnowsze badania i ilustrując obecne granice w zastosowaniach modelowania hybrydowego w inżynierii reakcji chemicznych i biochemicznych, Machine Learning and Hybrid Modelling for Reaction Engineering wypełnia lukę w rozwoju metodologii modeli hybrydowych.
Dzięki systematycznemu wyjaśnieniu podstawowej teorii budowy modeli hybrydowych, estymacji parametrów zmiennych w czasie, identyfikacji struktury modelu i analizy niepewności, książka ta jest doskonałym źródłem informacji zarówno dla inżynierów chemików, którzy chcą wykorzystać najnowsze techniki obliczeniowe w swoich badaniach, jak i chemików obliczeniowych zainteresowanych nowymi zastosowaniami w swojej pracy.