論文の概要: Chemical Property-Guided Neural Networks for Naphtha Composition Prediction

• arxiv url: http://arxiv.org/abs/2306.01391v1
• Date: Fri, 2 Jun 2023 09:37:03 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-05 15:53:45.083658
• Title: Chemical Property-Guided Neural Networks for Naphtha Composition Prediction
• Title（参考訳）: 化学特性誘導ニューラルネットワークによるナフサ組成予測
• Authors: Chonghyo Joo, Jeongdong Kim, Hyungtae Cho, Jaewon Lee, Sungho Suh, Junghwan Kim
• Abstract要約: ナフサ分解プロセスは ナフサの組成に大きく依存しています 異なる炭化水素の複雑な混合物です ガスクロマトグラフィーや真の沸騰曲線のような従来の手法は、パイロット・プラント規模の実験やコスト制約を必要とするため実現不可能である。 化学特性情報を利用してナフサ合成予測の性能を向上させるニューラルネットワークフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 4.043534242767838
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The naphtha cracking process heavily relies on the composition of naphtha, which is a complex blend of different hydrocarbons. Predicting the naphtha composition accurately is crucial for efficiently controlling the cracking process and achieving maximum performance. Traditional methods, such as gas chromatography and true boiling curve, are not feasible due to the need for pilot-plant-scale experiments or cost constraints. In this paper, we propose a neural network framework that utilizes chemical property information to improve the performance of naphtha composition prediction. Our proposed framework comprises two parts: a Watson K factor estimation network and a naphtha composition prediction network. Both networks share a feature extraction network based on Convolutional Neural Network (CNN) architecture, while the output layers use Multi-Layer Perceptron (MLP) based networks to generate two different outputs - Watson K factor and naphtha composition. The naphtha composition is expressed in percentages, and its sum should be 100%. To enhance the naphtha composition prediction, we utilize a distillation simulator to obtain the distillation curve from the naphtha composition, which is dependent on its chemical properties. By designing a loss function between the estimated and simulated Watson K factors, we improve the performance of both Watson K estimation and naphtha composition prediction. The experimental results show that our proposed framework can predict the naphtha composition accurately while reflecting real naphtha chemical properties.
• Abstract（参考訳）: ナフサ分解過程は、異なる炭化水素の複雑な混合物であるナフサの組成に大きく依存している。 クラック工程を効率よく制御し、最大性能を達成するためには、正確にナフサ組成を予測することが重要である。 ガスクロマトグラフィーや真の沸騰曲線のような従来の方法は、パイロット・プラント規模の実験やコスト制約を必要とするため実現不可能である。 本稿では,化学特性情報を利用してナフサ合成予測の性能を向上させるニューラルネットワークフレームワークを提案する。 提案フレームワークは,Watson K因子推定ネットワークとNanahtha合成予測ネットワークの2つの部分から構成される。 両方のネットワークは畳み込みニューラルネットワーク(cnn)アーキテクチャに基づく特徴抽出ネットワークを共有し、出力層は多層パーセプトロン(mlp)ベースのネットワークを使用して2つの異なる出力(ワトソンk因子とナフサ合成)を生成する。 ナフタ組成はパーセンテージで表され、その和は100%である。 ナフサ組成の予測を強化するために, 蒸留シミュレータを用いてその化学的性質に依存するナフサ組成から蒸留曲線を得る。 推定およびシミュレーションされたWatson K因子間の損失関数を設計することにより、Watson K推定とNanahtha合成予測の両方の性能を向上させる。 実験の結果,本フレームワークは実際のナフサ化学特性を反映しながら,ナフサ組成を正確に予測できることがわかった。

関連論文リスト

• Dumpling GNN: Hybrid GNN Enables Better ADC Payload Activity Prediction Based on Chemical Structure [53.76752789814785]
  DumplingGNNは、化学構造に基づいてADCペイロードのアクティビティを予測するために特別に設計された、ハイブリッドなグラフニューラルネットワークアーキテクチャである。 DNAトポイソメラーゼIインヒビターに着目した包括的ADCペイロードデータセットで評価を行った。 特別なADCペイロードデータセットに対して、例外的な精度(91.48%)、感度95.08%)、特異性(97.54%)を示す。
  論文  参考訳（メタデータ） (2024-09-23T17:11:04Z)
• Enhancing Fast Feed Forward Networks with Load Balancing and a Master Leaf Node [49.08777822540483]
  高速フィードフォワードネットワーク(FFF)は、入力空間の異なる領域が広いネットワークのニューロンの異なるサブセットを活性化する観察を利用する。 本稿では,FFFアーキテクチャにロードバランシングとマスタリーフ技術を導入し,性能向上とトレーニングプロセスの簡素化を図る。
  論文  参考訳（メタデータ） (2024-05-27T05:06:24Z)
• Generative Design of inorganic compounds using deep diffusion language models [0.6827423171182154]
  材料構成と構造設計のための深層学習に基づく生成モデルを提案する。 パイプラインは、まず、合成のジェネレータとして深拡散言語モデルを使用し、その後、テンプレートベースの結晶構造予測アルゴリズムを適用した。 DFT計算の結果から,Ti2$HfO5,TaNbP,YMoN2,TaReO4,HfTiO2,HfMnO2の6つの新物質が検出された。
  論文  参考訳（メタデータ） (2023-09-30T19:46:19Z)
• Variance Tolerance Factors For Interpreting ALL Neural Networks [0.0]
  入力変数が出力とどのように関係しているかを知ることは、予測を実験室に翻訳するのに重要である。 本稿では,影響関数に着想を得た分散耐性因子を定義する一般理論を提案する。 ラーショモン集合における2つの特徴重要ランキング法と,VTFに基づく特徴選択法を作成し,検討した。
  論文  参考訳（メタデータ） (2022-09-28T06:30:37Z)
• Multi-Task Mixture Density Graph Neural Networks for Predicting Cu-based Single-Atom Alloy Catalysts for CO2 Reduction Reaction [61.9212585617803]
  グラフニューラルネットワーク(GNN)は、材料科学者からますます注目を集めている。 本研究では,DimeNet++と混合密度ネットワークに基づくマルチタスク(MT)アーキテクチャを構築し,その性能向上を図る。
  論文  参考訳（メタデータ） (2022-09-15T13:52:15Z)
• On the Intrinsic Structures of Spiking Neural Networks [66.57589494713515]
  近年、時間依存データやイベント駆動データを扱う大きな可能性から、SNNへの関心が高まっている。 スパイキング計算における本質的な構造の影響を総合的に調査する研究が数多く行われている。 この研究はSNNの本質的な構造を深く掘り下げ、SNNの表現性への影響を解明する。
  論文  参考訳（メタデータ） (2022-06-21T09:42:30Z)
• Multi-task graph neural networks for simultaneous prediction of global and atomic properties in ferromagnetic systems [2.069828918268266]
  マルチタスクグラフ畳み込みニューラルネットワークHydraGNNを導入し,大域的特性と原子的特性の両方を同時に予測する。 我々は,HydraGNNが構成エントロピーと構成範囲全体の材料特性の関係を効果的に捉えていることを示す。
  論文  参考訳（メタデータ） (2022-02-04T03:38:56Z)
• Residual fourier neural operator for thermochemical curing of composites [9.236600710244478]
  本稿では,Residual Fourier Neural Operator (ResFNO)を提案する。 ドメイン知識を時間分解能独立パラメータ化ニューラルネットワークに統合することにより、治療サイクルと温度履歴の間のマッピングをラベル付きデータの限られた数で学習することができる。
  論文  参考訳（メタデータ） (2021-11-15T14:28:11Z)
• A deep learning driven pseudospectral PCE based FFT homogenization algorithm for complex microstructures [68.8204255655161]
  提案手法は,従来の手法よりも高速に評価できる一方で,興味の中心モーメントを予測できることを示す。 提案手法は,従来の手法よりも高速に評価できると同時に,興味の中心モーメントを予測できることを示す。
  論文  参考訳（メタデータ） (2021-10-26T07:02:14Z)
• Pathloss modeling for in-body optical wireless communications [65.33908037519238]
  光無線通信(OWC)は、次世代の体内ナノスケールネットワークとインプラントの候補として認識されている。 本稿では,体内OWCの一般パスロスモデルについて述べる。
  論文  参考訳（メタデータ） (2021-05-06T17:17:45Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。