Understanding Chemical Processes with Entropic Sampling
Understanding Chemical Processes with Entropic Sampling
复制标题
通过熵采样了解化学过程
DOI：
10.1021/acs.oprd.2c00254
复制
发表时间：
2022
期刊：
影响因子：
--
通讯作者：
Tsuda Koji
中科院分区：
文献类型：
--
作者：
Kaiya Yuji;Tamura Ryo;Tsuda Koji
动力学模型广泛用于模拟化工过程的输入空间和输出空间之间的关系。忽略计算成本，完成分析，即，在输入空间的所有网格点上进行模拟，将是理解模型的最佳方式，因为它为我们提供了一个完整的变量关系图。对有利的输入点进行采样的优化方法只能提供较窄的视图。在本文中，我们采用熵抽样，统计物理方法，近似完整的轮廓。它具有成本效益，并提供了模型的整体视图，可以在结果空间的任何区域进行事后探索性分析。使用亲核芳香取代反应的动力学模型，我们分析了故障率与工艺参数的关系，并阐明了实现低故障率的不同方法。
Kinetic models are widely used in simulating the relationship between the input space and the outcome space of a chemical process. Ignoring the computational cost, complete profiling, i.e., performing simulations at all grid points in the input space, would be the best way to understand the model because it provides us with a complete picture of intervariable relationships. Optimization methods that sample favorable input points can only provide narrower views. In this paper, we employ entropic sampling, a statistical physics method, to approximate complete profiling. It is cost-effective and provides a holistic picture of the model, where one can perform post hoc exploratory analyses across any region of the outcome space. Using a kinetic model of the nucleophilic aromatic substitution reaction, we analyze how the failure rate is related to process parameters and elucidate different ways to achieve low failure rates.
影响因子：
3.3
作者：
L. Barash;Jeffrey Marshall;M. Weigel;I. Hen
通讯作者：
I. Hen
用于最优计算状态密度的直接多重直方图重新加权方法。
影响因子：
4.4
作者：
M. K. Fenwick
通讯作者：
M. K. Fenwick