機器學習算法可以預測股票市場的波動，控制複雜的製造過程，支持機器人和無人駕駛車輛的導航等等。
現在，紐約大學丹頓工程學院的研究人員正在利用這一人工智能領域的新功能，將人工神經網絡與紅外熱成像相結合，以精確和快速的方式控制和解釋化學反應，遠遠超過了傳統方法。更具創新性的是，該技術是在新型微反應器上開發和測試的，該化學反應器能夠快速進行化學發現，並且對環境的浪費遠低於標準化學反應。娛樂城ptt大規模的反應。
紐約大學化學與生物分子工程學助理教授賴安·哈特曼說：“該系統可以將某些化學製造過程的決策過程從一年減少到幾週，從而節省了過程中的大量化學廢物和能源。” Tandon和該論文的主要作者詳細介紹了該方法 計算機與化學工程。 .
去年，哈特曼（Hartman）推出了新型的小型化學反應器，該反應器使傳統上在大百家樂批量反應器中進行的反應僅使用微升流體-幾小滴就可以降到微升至100升。這些微流體反應器可用於分析用於製造或發現化合物的催化劑，以及研究藥物開發中的相互作用，它們有望減少浪費，加快創新速度並提高化學研究的安全性。
Hartman和他的團隊通過將其與兩種附加技術配對來提高了這些反應器的實用性：紅外熱成像技術（一種捕獲熱圖，該化學技術可捕獲顯示化學反應過程中熱量變化的成像技術）以及受監督的機器學習（一種人工智能學科），一種算法會根據控制實驗的研究人員選擇的輸入來學習解釋數據。
它們結合在一起，使研究人員可以捕獲化學反應過程中熱能的變化（如熱圖像上的顏色變化所示），并快速解釋這些變化。由於紅外熱成像技術的非接觸性質，該技術甚至可以用於在極端溫度或極端條件下運行的反應，例如需要無菌區域的生物反應器。
該研究小組是第一個訓練人工神經網絡來控制和解釋熱電冷卻微流體設備的紅外熱圖像的團隊。對創新和可持續性的潛在影響是重大的萬來博娛樂城nt。大型化工公司在開發新聚合物時可能會篩選數百種催化劑，而每個反應可能需要100升以上的化學品和24小時或更長時間。使用當前的實驗室過程篩選催化劑數量可能需要一年。使用哈特曼的方法，整個過程百家樂線上娛樂城ss可以在幾週內完成，而指數l帝禾娛樂城浪費和能源消耗。哈特曼（Hartman）玩運彩估計，用於大規模化學測試期間用來控製菸霧的單個工業通風櫃每年使用的能量相當於美國平均房屋的能耗。
本文已由紐約大學丹頓工程學院提供的材料六合彩金額算法重新發表。注意：材料的長度和內容可能已被編輯。有關更多信息，請聯繫引用的來源。
參考：Benjamin A.Rizkin等使用基於紅外熱成像的計算機視覺對熱電冷卻微流體進行人工神經網絡控制。計算機與化學工程。 （2018）第121卷，2019年2月2日，第584-593頁。 https://doi.org/10.1016/j.compchemeng.2018.11.016
