.png){kind=icon}
返回
A Problem-Setup-Centric Framework for Mixed-Variable Chemical Formulation Optimization with Customized Constraints
.png){kind=icon}
OA
AI
DOI：10.3390/ma19153248.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
化学配方设计是一个涉及混合连续和离散变量、可行性约束以及有限实验数据的具有挑战性的多目标优化问题。现有的虚拟配方生成方法通常局限于在历史观测区域内进行插值，因此缺乏足够的探索能力。本研究提出了一种面向问题设置的多目标优化框架，用于虚拟化学配方生成。该框架采用基于pymoo的混合变量进化工作流，在特定应用目标和约束下优化机器学习预测的性能。使用一个能量材料配方数据集和一个钢材合金成分数据集来评估所提出的方法。生成的帕累托解包括与历史配方相似的候选方案，以及与历史数据分布具有更大统计偏差的候选方案。t-SNE投影提供了局部结构关系的定性可视化，而马氏距离和特征分布分析则表征了原始特征空间中的统计偏差。总体而言，本研究为具有定制混合变量约束的数据驱动虚拟配方设计提供了一种灵活实用的流程。
Keyword:
virtual formulation generation
multi-objective optimization
tolerance-aware design
surrogate modeling
期刊
IF:
3.2
论文数:
5.7W
被引数:
15.1W
机构
引用论文
Inverse ligand design: a generative data-driven model for optimizing vanadyl-based epoxidation catalysts逆配体设计：一种用于优化钒酰基基环氧化催化剂的生成式数据驱动模型.png)
Journal of Catalysis
OAAI
Journal of CatalysisIF6.5
OAAI分享收藏分享收藏分享收藏Into the Unknown: How Computation Can Help Explore Uncharted Material Space进入未知: 计算如何帮助探索未知的物质空间OAAI
OAAI分享收藏Optimal Pareto front for manufacturing tolerance allocation modelProceedings of the Institution of Mechanical Engineers, Part B: Journal of Engineering Manufacture
Proceedings of the Institution of Mechanical Engineers, Part B: Journal of Engineering ManufactureIF0
PREAI
分享收藏
查看更多内容