Nature Communications· 2026Q1
Makine öğrenmesi ve dijital ikizlerle desteklenen kapalı döngü fotoreaktör tasarımı
Closed-loop photoreactor design enabled by machine learning and digital twins
- 2atıf
- Q1SCImago
- 2026yıl
Kısa özet
Makine öğrenmesi güdümlü bir iş akışı, dijital ikizler ve Bayes optimizasyonu kullanarak, deneysel olarak doğrulanmış, maksimum foton yakalama ve homojen ışınlama sağlayan fotoreaktörler tasarlar.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Ana noktalar
- Işın izleme dijital ikizlerini ve Bayes optimizasyonunu birleştiren kapalı döngü bir iş akışı fotoreaktör tasarımı için tanıtıldı.
- Dijital model, deneysel verilerle kalibre edildi ve potasyum ferriokzalat aktinometrisi kullanılarak doğrulandı.
- Optimize edilmiş tasarımlar, maksimum gelen foton akısı elde etti ve 16 şişe boyunca ışınlama homojenliğini korudu.
- Deneysel doğrulama, bir fotokatalitik Suzuki–Miyaura çapraz kenetlenmesinde reaksiyon verimlerinin simüle edilen foton akısıyla uyumlu olduğunu gösterdi.
Yapay zekâ ile başlık ve abstract'tan üretildi; tam metin okunmaz.
Özet (abstract)
Abstract Designing efficient photoreactors remains challenging due to the complex interplay of reflection, scattering, and absorption. Here, we introduce a closed-loop workflow integrating ray-tracing digital twins with multi-objective Bayesian optimization to design photoreactors with high photon capture and uniform irradiation. A digital 3D reactor model is calibrated using measured emission characteristics, reflectivity data, and geometrical properties and validated against potassium ferrioxalate actinometry. The validated model explores reflector shape and vial positioning, identifying geometries that maximize incident photon flux while maintaining homogeneity across 16 vials. Experimental validation using a photocatalytic Suzuki–Miyaura cross-coupling shows that reaction yields track simulated photon flux. The optimized reactor is further applied to quantum-yield screening, enabling mechanistic insights across diverse conditions in a single experiment. This work establishes an experimentally validated virtual co-design framework in which machine learning and digital twins accelerate photoreactor development and support quantitative understanding of photochemical processes.
Yazarların özeti; kaynağından alınmıştır. Nature Communications, 2026 · DOI ↗
Ücretsiz hesapla devam et
Makaleye Sor ile bu makaleye günde 3 soru ücretsiz; makaleyi kaydet, kaynakçasını al, ilgi alanına göre her gün yeni özetler. Çıkarımlar Premium.
Web'de ücretsiz devam etGoogle ya da Apple hesabınla giriş; kart istemez. Bu makaleye geri dönersin.
Telefonda:
Alan: Organik Kimya
Organic ChemistryChemistry