Faida:
- Uwezo wa kusawazisha stoichiometry kwa kukumbuka njia zinazowezekana za majibu, athari za upande na fomu za kiwango cha kujieleza na akili ya bandia.
- Uwezo wa kuelewa kwamba viwango vya kudumu, nishati ya uanzishaji na utaratibu huamuliwa tu na majaribio na hauwezi kutegemea utabiri wa akili ya bandia.
- Uwezo wa kutambua kwamba joto la athari na hatari ya kukimbia ni suala muhimu kwa usalama linalohitaji kalori na tathmini inayofaa.
Katika moyo wa kila mchakato wa kemikali ni mmenyuko: reactants hubadilishwa kuwa bidhaa, joto hutolewa au kufyonzwa, na-bidhaa huundwa, vichocheo vinaingia. Ili kuunda kinu kwa usahihi, ni muhimu kujua mambo mawili: njia ambayo majibu huendelea (utaratibu wa majibu na athari za upande) na jinsi inavyoendelea haraka. Mwisho hufafanuliwa na kinetiki - uwanja unaosoma jinsi kasi ya athari inategemea joto, umakini, na kichocheo. Katika kitengo hiki, utajifunza jinsi ya kutumia akili ya bandia kama zana inayoibua njia zinazowezekana za majibu, kuchora miundo ya kinetiki, na kusaidia kufasiri data ya majaribio; lakini tutajifunza kwa nini viwango na utaratibu lazima uthibitishwe kwa majaribio.
Tahadhari ya awali ni muhimu sana hapa: AI inaweza kupendekeza njia zinazowezekana za majibu na aina za kinetiki, lakini majaribio pekee huamua kiwango halisi kisichobadilika, nishati ya kuwezesha, na usambazaji wa bidhaa. Kukadiria kimakosa mmenyuko enthalpy (joto iliyotolewa au kufyonzwa katika athari) inaweza kusababisha reactor kwenda nje ya udhibiti (thermal kukimbia). Kwa hivyo, msisitizo juu ya usalama ni wa juu zaidi katika kitengo hiki.
Msaada wa hatua kwa hatua wa AI katika kinetics na uchambuzi wa majibu
1. Orodhesha njia zinazowezekana. Kwa bidhaa inayolengwa, AI inaweza kukumbuka njia zinazowezekana za majibu na athari za kawaida zinazojulikana katika fasihi. Hii inazua swali "ni bidhaa gani ninapaswa kutazama?" Inaharakisha mawazo juu ya swali.
2. Stoichiometry na udhibiti wa usawa. AI husaidia kusawazisha stoichiometry ya athari - uwiano wa mole ya vitendanishi na bidhaa - na kudhibiti uhifadhi wa wingi. Mwitikio ambao haujasawazishwa ni mbaya.
3. Fomu ya mfano wa kinetic. AI inapendekeza usemi wa kiwango cha rasimu (k.m. mpangilio wa kwanza, mpangilio wa pili, utegemezi wa Arrhenius). Mlinganyo wa Arrhenius (k = A·exp(-Ea/RT) - usemi unaotoa utegemezi mkubwa wa kiwango kisichobadilika kwenye halijoto) huonyesha athari ya halijoto. Lakini maadili ya A na Ea yanatokana na majaribio.
4. Rasimu ya uwekaji data ya majaribio. AI inaweza kuandaa msimbo wa Python ili kutoshea modeli ya kinetic kwa data ya majaribio ya wakati wa mkusanyiko; Kukokotoa urejeo na uzuri wa kufaa (R², mabaki). Unajaribu usahihi wa nambari.
5. Mzigo wa joto na onyo la usalama. AI inaweza kukumbuka ikiwa majibu ni ya joto au ya mwisho na hatari zinazowezekana za mkusanyiko wa joto - lakini athari halisi ya joto hupimwa kwa athari ya kaloririmetry (k.m. RC1).
6. Kichujio cha uwezekano wa kimwili. Je, nishati ya kuwezesha iko ndani ya masafa yanayofaa? Je, kiwango hicho kinaendana na mabadiliko yanayoonekana? Maoni haya ni yako.
Kidokezo: Unapouliza AI modeli ya kinetic, sema "andika anuwai ya hali (joto, mkusanyiko, awamu) ambayo mtindo huu ni halali na kwa nini inaweza kuwa mbaya nje yake." Mfano wa kinetic ni halali ndani ya dirisha nyembamba la masharti; Uongezaji nje ya data ni hatari.
Kadiria mara kwa mara na utaratibu: majaribio pekee huamua
AI inaweza kutoa "thamani ya kawaida" kwa kiwango kisichobadilika; Hii inaweza kuwa makadirio ya awali, lakini sio data ya muundo. Mwitikio sawa unatenda tofauti sana chini ya hali tofauti za kichocheo, uchafu au awamu. Ndivyo ilivyo utaratibu: AI inapendekeza utaratibu unaowezekana, lakini utaratibu halisi unathibitishwa na spectroscopy, uchambuzi wa kati, na majaribio. Kila kigezo cha kinetic kinachoingia kwenye msingi wa muundo lazima kiwe msingi wa chanzo cha majaribio.
Tahadhari: Uwezo wa kustaajabisha na kukimbia wa majibu ni suala muhimu kwa usalama. Joto la mmenyuko linalotolewa na AI kamwe haliwezi kuwa msingi pekee wa muundo wa usalama (baridi, uokoaji); Thamani hizi hupimwa kwa calorimetry na kutathminiwa na mhandisi aliyeidhinishwa.
kesi tatu ndogo
Kesi ya 1 - Kikumbusho cha athari mbaya. Wakati wa kuunda majibu ya esterification, timu iliuliza AI kuhusu bidhaa zinazowezekana. YZ alikumbuka athari ya upande wa upungufu wa maji mwilini wa hali ya juu. Timu ilijaribu hili kwa majaribio na kuthibitisha ongezeko kubwa la bidhaa-msingi (takriban hasara ya mavuno ya 8%) zaidi ya 140°C; Walipunguza joto la uendeshaji ipasavyo.
Kesi ya 2 - Msimbo wa kinetic unaofaa. Mhandisi alitaka kutoshea data ya wakati wa mkusanyiko wa pointi 20 kwenye modeli ya kinetiki. YZ iliandika hati ya rejista ya rasimu huko Python; Mhandisi alijaribu na kuthibitisha msimbo kwa suluhu inayojulikana ya uchanganuzi, kisha akaitumia kwa data halisi. Muundo huo ulilingana na mpangilio wa pili na R²=0.997 - lakini matokeo haya yalitokana na data ya majaribio, sio ya kudumu iliyowekwa na AI.
Kesi ya 3 - Utabiri hatari umesimamishwa. Mhandisi mpya alitaka kuweka joto la athari linalotolewa na AI moja kwa moja kwenye muundo wa kupoeza. Mhandisi mkuu alisimama; Thamani ilikuwa ya mfumo tofauti wa kutengenezea katika fasihi. Wakati kipimo cha calorimeter kilipofanywa, mzigo halisi wa joto ulikuwa takriban mara 1.7 zaidi. Upozeshaji ulioundwa kwa thamani ya YZ hautatosha.
Violezo vinne vinavyoweza kunakiliwa
1) Njia ya majibu na uchunguzi wa bidhaa:
Jukumu lako: mhandisi wa majibu. Bidhaa inayolengwa: [bidhaa], vitendanishi: [vitendanishi],masharti: [joto/shinikizo/kichocheo]. Toa: (1) njia kuu za athari zinazojulikana, (2) athari za kawaida za upande na chini ya hali gani zinaongezeka, (3) stoichiometry iliyosawazishwa kwa kila njia. Haya ni mawaidha kutoka katika fasihi; Nitathibitisha kwa majaribio. Weka alama ikiwa huna uhakika.
2) Mchoro wa mfano wa kinetic:
Pendekeza uwezekano wa fomu za usemi wa viwango kwa maitikio ifuatayo (agizo, utegemezi wa Arrhenius). Kwa kila fomu: anuwai ya masharti ambayo ni halali, vigezo vya majaribio vinavyohitajika (A, Ea, mpangilio) na jinsi vigezo hivi vitapimwa. Nambari ya A/Ea FITTING; Andika kwa uwazi kwamba haya yataamuliwa na majaribio. Majibu: [maelezo]
3) Nambari ya kufaa data ya Kinetic (Python):
Niandikie hati ya Python inayolingana na modeli ya kinetic kwa data ya majaribio ya wakati wa umakini. Ingizo: mifuatano ya t na C. (1) jaribu miundo ya mpangilio wa kwanza na wa pili, (2) pata k kwa kurudi nyuma, (3) ripoti R² na mabaki, (4) chora grafu. Nitajaribu nambari na suluhisho inayojulikana ya uchambuzi. Taja dhana na vitengo vya maktaba kwa uwazi.
4) Ukaguzi wa awali wa usalama/upakiaji wa joto:
Je, mmenyuko huu ni wa nje au wa mwisho wa joto, na ni chini ya hali gani husababisha hatari ya mkusanyiko wa joto / kukimbia? Orodhesha ishara za kuangalia na kipimo (calorimetry) kinahitajika. Nambari ya FIT kwa joto la mmenyuko; Sisitiza kuwa hii itapimwa kwa kipimo cha kalori na kutathminiwa na mhandisi aliyeidhinishwa. Majibu: [maelezo]
Mwongozo dhaifu / Mwongozo thabiti
Agizo dhaifu:
Toa kiwango kisichobadilika cha majibu haya.
AI inaweza kutengeneza nambari; hali, kichocheo, chanzo haijulikani. Ikiwa nambari hii itaingia kwenye muundo ni hatari.
Agizo lenye nguvu:
Jukumu lako: mhandisi wa majibu. Mwitikio: A + B -> C (awamu ya kioevu,[kichocheo], 60-100°C). Usinitengenezee viwango vya viwango. Badala yake: (1) eleza aina ya usemi wa kiwango kinachowezekana, (2) muundo wa majaribio unaohitajika ili kubainisha A na Ea (kiasi cha halijoto ngapi, pointi ngapi), na (3) jinsi ya kutoshea data. Sisitiza kwamba maadili yatatoka kwa jaribio. Ongeza dokezo la usalama ikiwa kuna exothermia.
Tofauti ni wazi: kuuliza mbinu badala ya nambari kunafungua njia ya utafiti wa kinetiki ulio salama na sahihi.
Usambazaji wa jukumu katika uundaji wa majibu
biashara
Jukumu la AI
Uamuzi/chanzo cha binadamu
Njia zinazowezekana
ukumbusho wa fasihi
Uthibitishaji wa majaribio
stoichiometry
Rasimu ya kukabiliana
Uthibitisho wa uhifadhi wa wingi
Fomu ya kujieleza kwa kasi
Mapendekezo ya mfano
chaguo kwa majaribio
A, Ea, cheo
- (hutengeneza)
Majaribio/calorimetry
Msimbo unaofaa wa data
Mchoro wa chatu
kupima, uthibitishaji
Mzigo wa joto / usalama
onyo, ishara
Kalori, idhini ya mhandisi
Makosa ya kawaida
- Kuweka kiwango cha mara kwa mara kilichotolewa na AI kwenye muundo. Vigezo vya kinetic ni majaribio; Thamani ya uwongo ni hatari.
- Kuhusisha joto la athari kwa chanzo kimoja. Exothermy ni muhimu kwa usalama; Inapimwa na calorimetry.
- Kuongeza muundo nje ya safu halali. Mfano wa kinetic ni halali katika dirisha nyembamba.
- Kupuuza athari za upande. Upotevu wa mavuno na wa kati hatari mara nyingi hutoka kwa upande.
- Kwa kutumia msimbo wa Fit bila kuujaribu. Nambari hiyo haitumiki kwa data halisi bila kuthibitishwa na suluhisho linalojulikana.
Kwa muhtasari
AI katika majibu na kinetic modeling; Ni msaidizi mwenye nguvu anayekukumbusha njia zinazowezekana na athari za upande, kusawazisha stoichiometry, kupendekeza fomu ya kujieleza kwa kiwango, na huandika msimbo wa Python kwa kufaa data. Lakini viwango vya viwango, nishati ya uanzishaji, utaratibu na joto la mmenyuko huamua tu kwa majaribio; Hakuna kati ya hii inayoweza kutegemea utabiri wa AI. Hasa, exothermia na hatari ya kutoroka ni maswala muhimu kwa usalama ambayo yanahitaji kipimo cha kalori na tathmini ya mhandisi anayefaa.
Jukumu la maombi
Chagua majibu. Pata njia zinazowezekana na bidhaa kutoka kwa AI kwa kiolezo cha "Njia ya Majibu na uchunguzi wa bidhaa"; Thibitisha kila moja na fasihi/chanzo. Kisha chukua hati inayofaa na kiolezo cha "kinetic data fit (Python)" kiolezo, ijaribu kwa uchanganuzi/suluhisho linalojulikana, na kisha uitumie kwenye sampuli ya data.
orodha ya ukaguzi
- [ ] Niliuliza AI isitengeneze kiwango cha mara kwa mara/Ea, bali ieleze mbinu.
- [ ] Nilithibitisha njia zinazowezekana na athari za upande na fasihi.
- [ ] Nilitegemea joto la athari kwenye calorimetry/chanzo kinachoaminika.
- [ ] Nilitumia nambari inayofaa baada ya kuijaribu na suluhisho linalojulikana.
- [ ] Nimehamisha hatari ya exothermia/escape kwenye tathmini iliyoidhinishwa kama muhimu kwa usalama.