| 研究課題/領域番号 |
11650793
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
反応・分離工学
|
|---|
| 研究機関 | 東京大学 |
|---|
研究代表者 |
堤 敦司 東京大学, 大学院・工学系研究科, 助教授 (00188591)
|
|---|
| 研究期間 (年度) |
1999 – 2000
|
| 研究課題ステータス |
完了 (2000年度)
|
| 配分額 *注記 |
3,600千円 (直接経費: 3,600千円)
2000年度: 700千円 (直接経費: 700千円)
1999年度: 2,900千円 (直接経費: 2,900千円)
|
|---|
| キーワード | ニューラルネットワーク / バーチャルリアクター / バーチャル反応実験 / 動的反応工学 / 非線形 / 仮想反応系 / 仮想反応 / 仮想反応実験 / ニュートラルネットワーク |
|---|
| 研究概要 |
非線形性の強い化学反応、燃焼反応のように素反応の数が非常に多い場合や、CVDなど反応・拡散・吸着など多くの輸送・反応過程が組み合わさっている場合なども反応速度解析は困難であり、反応機構そのものを推測すること自体が困難な場合が多い。そこで、圧倒的に情報量を多くとれる動的反応の時系列データをニューラルネットワークに学習させバーチャルリアクターを構築し、これを用いてバーチャル実験を行い、反応機構および反応速度パラメータを決定する新しい動的反応工学手法を確立することを目的として研究を行った。
最終年度である本年度は、NOxとカーボンの反応をモデル反応として、固定層反応実験により、温度および入口ガス濃度を連続的に変化させて得られた動的反応データを基礎データとして解析を行った。生成物濃度の時系列データを温度、触媒量などをパラメータにしてニューラルネットワークに学習させた。この学習させたニューラルネットワーク、すなわち仮想反応系O2、CO2は10%の誤差で、N2、NO、NO2は15%の誤差で実験データをよく再現かつ予測することができることがわかった。さらに仮想反応系をを用いて反応機構を古典的手法により解析した結果、NOからNO2への酸化反応が触媒上で進行し、NO2からN2への還元反応が活性炭上で進行することが示唆された。
|
