黑盒化学过程优化

智能化学系统

依赖决策支持来确定下一步要进行的实验

介绍

设计和优化化学过程是过程工程中的主要任务之一。在建立化学系统（例如，一个单元操作）时，涉及大量设计参数的问题经常出现，如何快速达到最佳设计。如果有一个系统模型，可以通过数值优化解决问题（例如，收率、材料特性、成本等）。然而，通常情况下，这是不可能的，因为关系（如动力学、物理现象）没有被完全理解，甚至可能完全未知。因此，无法制定方程。

在这种情况下，唯一的选择是通过经验型模型和实验数据找到最佳设计。传统上，可以参考响应面和中心复合设计来确定最佳操作条件。它们利用局部二阶近似和梯度上升/下降来找到最佳配置。

然而，本文致力于另一种替代策略，即与强化学习相关的贝叶斯优化，已成功应用于材料、化学反应和药物设计。它具有模型的更高灵活性和处理多种可信度信息的优势。后者是指可以使用来自不同来源的混合质量数据进行优化，例如当物理模型至少在一定程度上可用时。

问题定义

多臂赌博机

您可能会问，为什么我们需要另一种优化方法？让我通过为您设置以下场景来回答这个问题。您发现自己面前有一台带有k个手臂的老虎机，每个手臂i都有概率pᵢ给您奖励rᵢ。显然，您的目标是最大化总奖励R，但您只有有限次数的尝试（预算）T。这就是所谓的…