Accurate and Fast Fischer-Tropsch Reaction Microkinetics using PINNs

要約

マイクロキネティクスにより、多くの工業関連反応で発生する化学変化の詳細なモデリングが可能になります。
フィッシャー・トロプシュ合成 (FTS) の微小速度論モデルを解決する従来の方法は、より高度なリアルタイム アプリケーションになると非効率的になります。
この研究では、FTS 微動態のモデル化に物理情報に基づいたニューラル ネットワーク (PINN) を使用することで、これらの課題に対処します。
私たちは、計算効率が高く正確な方法を提案し、現実的なプロセス条件で既存のマイクロキネティクス モデルの超高速ソリューションを可能にします。
提案された PINN モデルは、FTS 微動態における重要な量である空の触媒サイトの割合を中央値相対誤差 (MRE) 0.03% で計算し、FTS 生成物形成率 (MRE 0.1%) を計算します。
従来の方程式ソルバーと比較して、このモデルは GPU での実行時に最大 1E+06 倍の高速化を達成するため、マルチスケールおよびマルチ物理リアクターのモデリングに十分な速度を実現し、リアルタイムのプロセス制御と最適化でそのアプリケーションを可能にします。

要約(オリジナル)

Microkinetics allows detailed modelling of chemical transformations occurring in many industrially relevant reactions. Traditional way of solving the microkinetics model for Fischer-Tropsch synthesis (FTS) becomes inefficient when it comes to more advanced real-time applications. In this work, we address these challenges by using physics-informed neural networks(PINNs) for modelling FTS microkinetics. We propose a computationally efficient and accurate method, enabling the ultra-fast solution of the existing microkinetics models in realistic process conditions. The proposed PINN model computes the fraction of vacant catalytic sites, a key quantity in FTS microkinetics, with median relative error (MRE) of 0.03%, and the FTS product formation rates with MRE of 0.1%. Compared to conventional equation solvers, the model achieves up to 1E+06 times speed-up when running on GPUs, thus being fast enough for multi-scale and multi-physics reactor modelling and enabling its applications in real-time process control and optimization.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google