伯明翰大学企业公司宣布推出EvoPhase，该产品提供优化现有和新型工艺设备的服务，这些设备可混合、混合、储存或搅拌颗粒材料。
EvoPhase 将使用进化人工智能算法，结合工业搅拌机等系统中的颗粒模拟，来改进混合叶片以及混合容器的形状或尺寸的优化设计。
这种人工智能主导的“进化设计”方法适用于各种工艺设备，包括研磨机、干燥机、烘焙机、涂布机、流化床、搅拌罐，预计将为工业带来巨大的成本和能源节约。
EvoPhase 是采用一种独特的商业化模式(称为运营部门)建立的，该模式使行业能够快速获得伯明翰学术创新者提供的灵活、尖端的服务。
创始人首席执行官 Dominik Werner、首席技术官 Leonard Nicusan、首席运营官 Jack Sykes 和首席科学官 Kit Windows-Yule 博士均来自伯明翰化学工程学院。四人在工业流程的数字模型和模拟方面都拥有丰富的经验，他们的综合专业知识将使 EvoPhase 能够解决传统研发方法难以解决的挑战。
首席执行官多米尼克·维尔纳 (Dominik Werner) 表示：“世界上多达 50% 的产品是通过使用颗粒材料的工艺生产的，但颗粒很难表征或理解。如果你考虑一下咖啡，它的颗粒在盛装时是固体，从容器中倒出来时就像液体一样，如果你向它们吹气，就会变成气体状并分散。这种类型的可意味着颗粒是需要处理的最复杂的物质形式。”
该团队将使用一种名为“粒子过程高度自主快速原型”(HARPPP)的新型人工智能技术，其工作原理类似于自然选择，测试其进化出的设计，以找到最好的设计。它允许用户设置多个参数进行优化，从而允许设计的演变，以满足例如功率消耗、吞吐量和混合率的目标，而不是相互权衡这些参数。1
EvoPhase 还将使用一种称为 DEM(离散元法)的数值方法，该方法通过计算所有颗粒的运动来预测颗粒材料的行为。这些计算可以使用正电子发射粒子跟踪(PEPT)进行验证，这是伯明翰发明的另一种技术，它是医学成像技术正电子发射断层扫描(PET)的变体。
Leonard Nicusan 表示：“我们的技术使我们能够承担材料表征、数字模型开发、实验成像和验证、工艺条件优化、几何设计优化和放大以及预测模型开发等方面的任务。我们的方法适用于设计所有行业的粉末、颗粒和流体加工设备，通过提高能源效率、混合效率和吞吐量来节省成本。”
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，请发送邮件至 55@qq.com 举报，一经查实，本站将立刻删除。转转请注明出处：https://www.szhjjp.com/n/721189.html
