文献
J-GLOBAL ID:202202285642490138   整理番号:22A0225353

粒子プロセスにおける凝集の程度を予測するための機械学習と結合した新しい計算アプローチ【JST・京大機械翻訳】

A Novel Computational Approach Coupled with Machine Learning to Predict the Extent of Agglomeration in Particulate Processes
著者 (10件):
資料名:
巻: 23  号:ページ: 18  発行年: 2022年 
JST資料番号: W3978A  ISSN: 1530-9932  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: ドイツ (DEU)  言語: 英語 (EN)
抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
固体粒子凝集は,化学,食品,および製薬産業にわたる様々なプロセスにおいて一般的な現象である。医薬品製造において,凝集は湿式造粒のような単位操作で望まれ,非常に強力な活性薬剤成分(API)の撹拌フィルタ乾燥のような単位操作で望ましくない。凝集はAPI粉末の最適物理特性のために制御する必要がある。野外での数十年の研究後でも,溶媒と固体粒子の間の複雑な相互作用と混合によって与えられる確率性により,凝集の程度を定量化し,予測し,制御する方法についてはまだ非常に限られた理解がある。さらに,工業規模の粒状プロセスシステムの大きなサイズは,それを計算的に困難にする。これらの課題を克服するために,凝集リスクゾーンの実験測定と離散要素法との「粘着性ゾーン」の結合による凝集範囲を予測するための新しい理論と計算方法論を提示した。提案したモデルは実験と良好な一致を示した。さらに,単位操作のディジタル双晶を構築するために,材料特性と加工条件のような入力変数の関数として凝集範囲を予測するために,機械学習モデルを構築した。本研究の焦点は,工業的乾燥プロセス中の粒子の凝集であるが,提案した方法論は,凝集が望まれるか,望ましくない多くの他の粒子プロセスに容易に適用できる。Copyright American Association of Pharmaceutical Scientists 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (3件):
分類
JSTが定めた文献の分類名称とコードです
固体の製造・処理一般  ,  固形製剤  ,  固体の乾燥 

前のページに戻る