催化剂工程设计中的神经元网络技术研究

以丙烷氨氧化制丙烯腈催化剂组份设计为研究背景，利用BP神经元网络模型，将催化剂的组成与其性能指标作为该网络的学习样本，将催化过程内在联系转化成定量的神经网络映射关系，使神经元网络模型能根据各种因素的变化来预测催化剂的性能，在此预测功能的基础上进行最优化搜索，得到催化剂最佳组成的预测值，然后由实验进行验证，其结果将作为新样本对神经元网络进行丙学习，直至找到真正最佳的催化剂组成配方。本研究首次将传统的催化剂开发工作转化为定量的计算机辅助设计过程，并已取得了突破性的进展，在该研究领域中处于领先地位。如PSbMoCr系催化剂，先后对助催化组份和主催化剂组份分别进行优化设计，使丙烯腈的单收从原样本的33%提高到55%。