NMRplusX
Im Rahmen des Projekts NMRplusX wurde ein Hard- und Software-basiertes Synthese- und Analysesystem entwickelt, das eine orthogonale, spektroskopische Analyse mit Chemometrie als Prozessanalysetechnologie (PAT) zur Kalibrierung und Selbstoptimierung von chemischen Prozessen kombiniert.
Abbildung: HPLC-Pumpen (1), Thermostat (2), thermischer Reaktor (3), Kapillarphotoreaktor (4), Flüssigphasen-Separator (5), Drucksensor (6), Temperatursensor (7), Druckhalteventil (8), Benchtop-NMR-Spektrometer (9), FT-ATR-IR-Spektrometer (10), UV-Vis-Spektrometer (11), IR-Sensor (12), elektronische Kontrollbox (13), Kontroll-PC (14)
Während Nanalysis Corp und Fraunhofer IMM ihre Zusammenarbeit im Rahmen eines multi-lateralen und internationalen Forschungsprojekts verstetigen, werden TROUT und Dr. Jason Hein von der University of British Columbia das Team rund um NMRplusX mit ihrem Spezialwissen ergänzen.
Das Fraunhofer-Institut für Mikrotechnik und Mikrosysteme IMM (Mainz, Deutschland) und Nanalysis Corp. (Calgary, Kanada) sind die nationalen Konsortialführer eines innovativen Forschungsprojekts, das zum Teil von der deutschen und der kanadischen Regierung finanziert wurde. Die Laufzeit des Projekts betrug 30 Monate.
Die chemischen Reaktion wurde in einem ersten Schritt über mathematische Zusammenhänge in einem Modell zusammengefasst. Mit dem Modell ist es möglich, das Verhalten von unterschiedlichen Substanzen in der Apparatur zu berechnen. Für die exakte Berechnung waren allerdings noch Ergebnisse von Experimenten erforderlich, um die Parameter auf die wirklichen Gegebenheiten anzupassen. Die Berechnungen basieren auf einer numerischen Integration der aufgestellten Differentialgleichungen und sind wesentlich schneller durchführbar als reale Reaktionen. Dies ermöglicht ein schnelleres Trainieren der KI, die dann im Rahmen der Experimente noch „feinjustiert“ werden musste. Die Optimierungsmaxima des Modells wurden zusätzlich durch eine numerische Maximumermittlung verifiziert. Dieses Modell wurde verwendet, um eine erste Parameteroptimierung mit Algorithmen (QN, DQN, DDPG) aus dem Bereich Reinforcement Learning (RL) vorzunehmen.
Mehr auf Fraunhofer und auf Facebook.
