Machine Learning and Big Data Analysis in the Catalysis Field

V. G. Filippov; Филиппов В. Г.; Y. A. Mikhailov; Михайлов Я. А.; A. V. Elyshev; Елышев А. В.

doi:10.31857/S0453881123020028

Машинное обучение и анализ больших данных в области катализа

Авторы: Филиппов В.Г.¹, Михайлов Я.А.¹, Елышев А.В.¹
Учреждения:
1. Тюменский государственный университет, группа TsyfroCatLab
Выпуск: Том 64, № 2 (2023)
Страницы: 139-152
Раздел: ОБЗОРЫ
URL: https://journal-vniispk.ru/0453-8811/article/view/136988
DOI: https://doi.org/10.31857/S0453881123020028
EDN: https://elibrary.ru/GMSQSK
ID: 136988

Цитировать

Полный текст

Открытый доступ
Доступ закрыт

Доступ предоставлен
Доступ закрыт

Только для подписчиков

Аннотация
Об авторах
Список литературы
Дополнительные файлы
Статистика

Аннотация

Быстрое развитие экспериментальных методов в каталитических исследованиях в последнее время позволяет получать большие объемы данных. Использование новых статистических и расчетных методов обработки, включающих в себя извлечение информации из экспериментальных данных и их непредвзятую интерпретацию, важно для ускорения развития и внедрения каталитических технологий. Извлечение информации может быть достигнуто с применением статистических подходов: PCA, MCR, ALS. В то же время алгоритмы машинного обучения начинают активно использоваться для интерпретации и построения описательных моделей. В настоящей статье рассматриваются основные методы машинного обучения и примеры их успешного применения для анализа данных инфракрасной и рентгеновской абсорбционной спектроскопии.

Ключевые слова

катализ, ИК-спектроскопия, рентгеновская абсорбционная спектроскопия, машинное обучение, компьютерное моделирование

Список литературы

Крупнов А.А., Погосбекян М.Ю. // Кинетика и катализ. 2019. Т. 60. № 2. С. 181.
Дюсембаева А.А., Вершинин В.И. // Кинетика и катализ. 2019. Т. 60. № 1. С. 129.
Landrum G.A., Penzotti J.E., Putta S. // Meas. Sci. Technol. 2005. V. 16. P. 270.
Erdem Günay M., Yıldırım R. // Catal. Rev. Sci. Eng. 2021. V. 63. P. 120.
Jollife I.T., Cadima J. // Philosophical Transactions of the Royal Society. A: Mathematical, Physical and Engineering Sciences. 2016. V. 374. P. 1.
Wei J., Cao S. // International Conference on Intelligent Computing and Control Systems (ICCS), IEEE, Secunderabad, India, 27–28 June 2019. P. 85.
Landrum G. A., Penzotti J. E., Putta S. // Meas. Sci. Technol. 2004. V. 16. № 1. P. 270.
Dai Q., Zhang C., Wu H. // Int. J. Database Theory and Application. 2016. V. 9. P. 1.
Somvanshi M., Chavan P. // International conference on computing communication control and automation (ICCUBEA), IEEE, Pune, Maharashtra, India, 12–13 August 2016. P. 1.
Jinnouchi R., Asahi R. // J. Phys. Chem. Lett. 2017. V. 8. P. 4279.
Saikia P., Baruah R.D., Singh S.K., Chaudhuri P.K. // Comput. Geosci. 2020. V. 135. P. 1.
Li H., Zhang Z., Liu Z. // Catalysts. 2017. V. 7. P. 1.
Yano J., Yachandra V.K. // Photosynth. Res. 2009. V. 102. P. 241.
Cibin G., Gianolio D., Parry S.A., Schoonjans T., Moore O., Draper R., Miller L.A., Thoma A., Doswell C.L., Graham A. // Radiat. Phys. Chem. 2020. V. 175. P. 1.
Mathew K., Zheng C., Winston D., Chen C., Dozier A., Rehr J.J., Ong S.P., Persson K.A. // Scientific Data. 2018. V. 5. P. 1.
Ravel B., Newville M. // J. Synchrotron Radiat. 2005. V. 12. P. 537.
Zheng C., Mathew K., Chen C., Chen Y., Tang H., Dozier A., Kas J.J., Vila F.D., Rehr J.J., Piper L.F.J., Persson K.A., Ong, S. P. // Comput. Mater. 2018. V. 4. P. 1.
Timoshenko J., Jeon H.S., Sinev I., Haase F.T., Herzog A., Cuenya B.R. // Chem. Sci. 2020. V. 11. P. 3727.
Timoshenko J. Lu D., Lin Y., Frenkel A.I. // J. Phys. Chem. Lett. 2017. V. 8. P. 5091.
Miyazato I., Takahashi L., Takahashi K. // Mol. Syst. Des. Eng. 2019. V. 4. P. 1014.
Weckhuysen B.M. // Phys. Chem. Chem. Phys. 2003. V. 5. P. 4351.
Serhan M., Sprowls M., Jackemeyer D., Long M., Perez I.D., Maret W., Forzani, E. // AIChE Annual Meeting, Conference Proceedings, 2019.
Penner-Hahn J.E. / In: Comprehensive Coordination Chemistry. II. Eds. Mccleverty J.A., Meyer T.J. Amsterdam–Oxford–New York–San Diego: Elsevier–Pergamon Press, 2003. V. 2. P. 159.
Wu L.B., Wu L.H., Yang W.M., Frenkel A.I. // Catal. Sci. Technol. 2014. V. 4. P. 2512.
Huth F., Schnell M., Wittborn J., Ocelic N., Hillenbrand R. // Nature Mater. 2011. V. 10. P. 352.
Ellis D.I., Broadhurst D., Clarke S.J., Goodacre R. // Analyst. 2005. V. 130. P. 1648.
Howley T., Madden M.G., O’Connell M.-L., Ryder A.G. // International Conference on Innovative Techniques and Applications of Artificial Intelligence. Cambridge, United Kingdom. 12–14 December 2005. P. 209.
Zou T., Dou Y., Mi H., Zou J., Ren Y. // Analyt. Biochem. 2006. V. 355. P. 1.
Kale M.J., Christopher P. // ACS Catal. 2016. V. 6. P. 5599.
Lansford J.L., Vlachos D.G. // Nature Commun. 2020. V. 11. P. 1.
Davies J.C., Nielsen R.M., Thomsen L.B., Chorkendorff I., Logadottir A., Lodziana Z., Besenbacher F. // Fuel Cells. 2004. V. 4. P. 309.
Steininger H., Lehwald S., Ibach H. // Surf. Sci. 1982. V. 123. P. 264.
Lansford J.L., Vlachos D.G. // ACS Nano. 2020. V. 14. P. 17295.
Agarwal N., Sondhi A., Chopra K., Singh G. / In: Tiwari S., Trivedi M., Mishra K., Misra A., Kumar K., Suryani, E. (eds) Smart Innovations in Communication and Computational Sciences. Advances in Intelligent Systems and Computing. Springer, Singapore, 2021. V. 1168. P. 145.
Chanussot L., Das A., Heras-Domingo J., Goyal S., Ho C., Lavril T., Palizhati A., Parikh D., Riviere M., Shuaibi M., Tran K., Ulissi Z., Yoon J., Zitnick C.L. // 2020 Virtual AIChE Annual Meeting.2020.