.png){kind=icon}
返回
Accelerating simulation and optimisation of cyclic adsorption processes with differentiable programming
.png){kind=icon}
OA
AI
DOI：10.1016/j.compchemeng.2026.109904.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
循环吸附过程的设计计算量巨大，需要在迭代优化循环中反复收敛到循环稳态。传统工作流将过程模拟器视为黑箱，依赖无导数优化，导致设计任务可能需要数百至数千CPU小时。本研究提出了一种基于JAX可微分编程框架的压力真空摆动吸附过程的端到端可微分模型，并应用于基准的燃烧后碳捕集问题。自动微分在整个计算工作流中提供精确梯度。对一个单循环过程进行微分可提供牛顿迭代所需的雅可比矩阵，使达到循环稳态所需的迭代次数和模拟时间相比典型MATLAB实现减少20倍。性能指标对设计变量的精确梯度进一步支持使用IPOPT算法进行基于梯度的多目标优化。应用于六变量设计问题时，该方法产生的帕累托前沿在权衡空间覆盖和接近最优前沿方面优于遗传算法NSGA-II。值得注意的是，获得完整前沿的速度比传统方法快两个数量级。通过保留完整的机理模型并使其可微分，该框架将循环吸附过程设计从依赖无导数优化的缓慢黑箱模拟转变为高效的梯度增强建模与优化，实现了对复杂设计空间的快速系统性探索。
Keyword:
Differentiable programming
Automatic differentiation
Cyclic processes
Pressure vacuum swing adsorption
Multi-objective optimisation
