详细内容或原文请订阅后点击阅览
加速粒度分布估计
麻省理工学院的研究人员将一种新型基于人工智能的药物制造估算器的速度提高了 60 倍。
来源:MIT新闻 - 人工智能制药制造业长期以来一直在监测干燥混合物的特征的问题上挣扎，这是生产药物和化合物的关键步骤。目前，通常使用两种非侵入性表征方法：样品要么是成像，要么对单个颗粒进行计数，要么研究人员使用散射的光来估计粒度分布（PSD）。前者是时间密集型，导致浪费增加，使后者成为更具吸引力的选择。
近年来，麻省理工学院的工程师和研究人员开发了一种基于物理学和机器学习的散射光方法，该方法已被证明可以改善药物和粉末的制造过程，提高效率和准确性，并导致批次失败的产品批次较少。一篇新的开放访问论文，“从单个斑点图像中对粉末大小分布的非侵入性估计”，《杂志《光：科学与应用》可用，在这项工作上扩展，引入了更快的方法。
物理和基于机器学习的散射光方法 从单个斑点图像 光：科学与应用“了解散射光是光学中最重要的主题之一，” Tsinghua University副研究人员Qihang Zhang Phd ’23说。 “通过在分析散射光方面取得进展，我们还为制药行业发明了有用的工具。通过调查基本规则来找到疼痛点并解决问题是研究团队最令人兴奋的事情。”
本文提出了一种基于学生工程的新的PSD估计方法，以减少分析所需的帧数。研究人员解释说：“我们基于学习的模型可以从单个快照斑点图像中估算粉末尺寸的分布，从而将重建时间从15秒减少到仅0.25秒。”