基于反向机器学习的调香设计方法

• 作者: 刘琳琳 张磊 毛海涛 王璐 都健
• 来源期刊: 化工学报
• 关键词: 系统工程 设计 模型 反向机器学习 调香 分子表面电荷密度分布
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 过程系统工程
• 页码范围: 4722-4729
• 页数: 8页
• 分类号: TQ 021.8
• 语种: 中文
• DOI: 10.11949/0438-1157.20191015

摘要

香精香料业务拥有数十亿美元的市场,而调香技术的发展丰富了人们的现代社会生活.提出了用于调香设计的反向机器学习模型,采用基于类导体屏蔽模型(COSMO)得到的分子表面电荷密度分布作为香精分子的结构描述符设计最终的调香产品.首先,识别香精属性并根据需求将属性转化为目标性质.然后,调节气味并建立了反向机器学习(inverse machine learning, IML)模型,其中输入变量为气味,输出变量为分子结构描述符,利用训练得到的IML模型,根据目标特性,预测出潜在产品的结构描述符.最后在指定的数据库中通过欧几里得距离法筛选出候选的调香混合物.本文还以两类调香算例为例,利用该框架进行了调香设计,并利用实验数据及气味雷达图对实验结果进行了验证.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张磊	大连理工大学化工学院化工系统工程研究所	52	274	10.0	16.0
2	都健	大连理工大学化工学院化工系统工程研究所	54	242	8.0	13.0
3	王璐	大连理工大学化工学院化工系统工程研究所	22	78	6.0	8.0
4	刘琳琳	大连理工大学化工学院化工系统工程研究所	42	135	6.0	10.0
5	毛海涛	大连理工大学化工学院化工系统工程研究所	2	0	0.0	0.0