加速粒子大小分佈估算
麻省理工學院的研究人員將一種新穎的基於人工智能的藥物製造估算方法加速了60倍。
安妮·威爾遜 | 機械工程系
發布日期：2024年9月23日
製藥行業長期以來一直面臨監控乾燥混合物特性這一問題，這是生產藥物和化學化合物的一個關鍵步驟。目前，有兩種非侵入式表徵方法通常使用：一種是對樣品進行成像並計數個別顆粒，另一種是使用散射光來估算粒子大小分佈（PSD）。前者耗時且會增加浪費，使得後者成為更具吸引力的選擇。
近年來，麻省理工學院的工程師和研究人員開發了一種基於物理和機器學習的散射光方法，已被證明可以改進製藥丸和粉末的製造過程，提高效率和準確性，並導致更少的產品批次失敗。一篇新的開放訪問論文《從單個散斑圖像非侵入性估算粉末大小分佈》，發表在《光：科學與應用》期刊上，進一步擴展了這項工作，引入了一種更快的方法。
“理解散射光的行為是光學中最重要的課題之一，”清華大學的助理研究員張啟航博士說。“通過在分析散射光方面取得進展，我們還為製藥行業發明了一種有用的工具。定位痛點並通過研究基本規則來解決它，對研究團隊來說是最令人興奮的事情。”
這篇論文提出了一種基於瞳孔工程的新的PSD估算方法，減少了分析所需的幀數。“我們的基於學習的模型可以從單個快照散斑圖像中估算出粉末大小分佈，從而將重建時間從15秒縮短至僅0.25秒，”研究人員解釋道。
“我們這項工作的主要貢獻是通過對算法和硬件的集體優化，使粒子大小檢測方法加速了60倍，”張說。“這種高速探針能夠檢測快速動態系統中的大小演變，提供了一個平台來研究製藥行業中包括乾燥、混合和混合在內的過程模型。”
這種技術通過收集粉末表面的反向散射光提供了一種低成本的非侵入性粒子大小探針。這種緊湊且便攜的原型機兼容市場上大多數的乾燥系統，只要有觀察窗口即可。這種在線測量方法可能有助於控制製造過程，提高效率和產品質量。此外，先前缺乏在線監控阻礙了製造過程中動態模型的系統研究。這種探針可能會帶來一個新平台來進行一系列粒子大小演變的研究和建模。
這項工作是物理學家和工程師之間成功合作的成果，來自麻省理工學院-武田計劃。合作者隸屬於麻省理工學院的三個系：機械工程系，化學工程系和電機工程和計算機科學系。麻省理工學院機械工程教授喬治·巴巴斯塔蒂斯是這篇文章的資深作者。
**評論**：這篇文章展示了麻省理工學院的研究人員如何利用機器學習和光學技術解決製藥行業中的一個關鍵問題。這種新技術不僅加快了粒子大小分佈的估算速度，還提高了製造過程的準確性和效率。這對於製藥行業來說是一個重要的進步，因為它可以減少浪費，提高產品質量。然而，這項技術在實際應用中的可行性和成本效益仍需進一步驗證。此外，這種技術是否能夠廣泛應用於其他行業的製造過程中，也是值得探討的問題。總的來說，這是一項具有潛力的研究，但未來的應用和發展仍需觀察。
以上文章由特價GPT API KEY所產生
