※ 検索ワードを区切るスペースは半角でお願いします。
水や二酸化炭素（CO2）の超臨界流体は，温度・圧力条件により流体物性が大幅に変化し，それに伴い溶質の溶解度や拡散係数等も大きく変化する。従って，超臨界流体が関連するプロセスの効率的設計においてはこれらの平衡・輸送物性の予測が重要であり，近年，超臨界流体の分野においても機械学習を用いた物性推算手法が活発に研究されるようになっている。本稿では超臨界流体系における平衡・輸送物性に関して，機械学習を用いた推算手法を提案している最近の研究動向を紹介する。 Rezaeiら1）は超臨界CO2を用いた製薬プロセスの設計に重要である非ステロイド性抗炎症薬（NSAIDs：Non-Steroidal Anti-Inflammatory Drug）の超臨界CO2への溶解度について，機械学習を用いた推算方法を提案している。NSAIDsとしてはイブプロフェンやナプロキセン等14の薬剤種をターゲットとし，機械学習モデルとしては人工ニューラルネットワーク（ANN：Artificial neural network），サポートベクター回帰（SVR：Support vector regression），及びANNとファジー論理を組み合わせたa...
Online ISSN : 2435-2292
Print ISSN : 0375-9253
PDFを閲覧するにはAdobe Readerが必要です。
お気に入りから削除しますか？
