机器学习与连续流连载系列丨使用康宁反应器集成在线光谱，通过半监督机器学习识别化学反应式计量和动力学模型

近年来，随着数据储存成本绛低、算力提高和高效算法的提出，AI领域的机器学习突飞猛进。Chat GPT、Sora等AI工具大大提高了人类的效率，很有可能引发第四次工业革命浪潮。英伟达（Nvida） CEO 黄仁勋在近期会议中提到的 “人类生物学才是未来" ，英伟达在药物发现领域持续发力。可见人工智能或机器学习在药物发现、开发和合成生产领域，即将扮演越来越重要的角色。为此了解什么是机器学习，它在药物化学领域会起到什么样的作用，它是如何工作，能帮助我们理解并使用这一工具提高工作效率。下面我们通过印度理工的这篇文章看看，运用康宁反应器集成在线光谱获的数据，通过半监督机器学习的方法识别反应机理，动力学方程。

传统动力学方程建立需要校准模型，使用釜式反应器获得相关数据是一件费时费力的工作。与光谱仪器集成的连续流反应器可快速收集丰富的光谱数据信息。测量的光谱数据和校准模型可用于监测反应进展，阐明反应动力学，并有效地获得反应机理见解。通常使用传统釜式反应器在不同时间取样，获得的浓度信息会受到传质传热的影响，得不到本征动力学模型。该文利用康宁反应器得高效传热传质特征，集成在线光谱工具，实时监控反应进度，避免离线分析造成结果偏离。该文提出一种不需要校准模型的半监督机器学习方法，自动识别反应机理方程的系数及拟合不同动力学方程，通过不同动力学方程拟合的信息熵AIC（Akaike information criterion）来选择较为合适的动力学方程。