0103297 - UIVT-O 20040038 RIV DE eng J - Článek v odborném periodiku
Rodemerck, U. - Baerns, M. - Holeňa, Martin - Wolf, D.
Application of a Genetic Algorithm and a Neural Network for the Discovery and Optimization of New Solid Catalytic Materials.
[Aplikace genetického algoritmu a neuronové sítě pro objevování a optimalizaci nových pevných katalytických materiálů.]
Applied Surface Science. Roč. 223, - (2004), s. 168-174. ISSN 0169-4332. E-ISSN 1873-5584
Výzkumný záměr: CEZ:AV0Z1030915
Klíčová slova: genetic algorithm * neural network * catalytic materials
Kód oboru RIV: BA - Obecná matematika
Impakt faktor: 1.497, rok: 2004
DOI: https://doi.org/10.1016/S0169-4332(03)00919-X

In the process of discovering new catalytic compositions by combinatorial methods in heterogeneous catalysis usually various potential catalytic compounds have to be prepared and tested. To decrease the number of necessary experiments an optimization algorithm based on a genetic algorithm for deriving subsequent generations from the performance of the members of the preceding generation is described. This procedure is supplemented by using an artificial neural network for establishing relationships between catalyst compositions - or more general speaking - materials properties and their catalytic performance. By combining a trained neural network with the genetic algorithm software virtually computer experiments were done aiming at adjusting the control parameters of the optimization algorithm to the special requirement of catalyst development. The approach is illustrated by the search for new catalytic compositions for the oxidative dehydrogenation of propane.

V prùbìhu objevování nových složení katalyzátorù kombinatorickými metodami v heterogenní katalýze musí být obvykle pøipraveny a testovány rùzné potenciální katalytické slouèeniny. Ke snížení poètu nezbytných experimentù byl navržen optimalizaèní algoritmus založený na genetickém algoritmu, který vytváøí následující generace na základì kvality pøíslušníkù pøedchozí generace. Tato procedura je doplnìna použitím umìlých neuronových sítí pro stanovení závislostí mezi složením katalyzátorù – èi obecnìji – vlastnostmi materiálù, a kvalitou jejich katalytického pùsobení. Kombinováním nauèené neuronové sítì s programem implementujícím genetický algoritmus byly provádìny virtuální experimenty na poèítaèi, s cílem nastavit øídící parametry optimalizaèního algoritmu tak, aby odpovídaly speciálním požadavkùm vývoje katalyzátorù. Pøístup je ilustrován na hledání nových katalytických slouèenin pro oxidativní dehydrogenaci propanu.
Trvalý link: http://hdl.handle.net/11104/0000125