巴斯夫和柏林工業大學（柏林工業大學）簽署了一項在機器學習領域密切合作的協議。總部位于柏林的機器學習聯合實驗室（BASLEARN）的目標是為與化學有關的基本問題開發可行的新數學模型和算法，例如從過程或量子化學。兩家合作伙伴將在未來幾年共同致力于實現這一目標。作為合作的重要組成部分，巴斯夫將支持柏林工業大學機械學習教授兼柏林機器學習中心發言人KlausRobertMüller博士的研究工作，在未來五年內共計超過250萬歐元年份。
 

 

　　機器學習是人工智能的關鍵支柱。目標是分析大量數據以識別模式和關系，這些模式和關系可用于開發基于結果優化自身的預測模型。用于語言識別或自動駕駛的系統是如何在日常應用中使用機器學習的示例。“最終，這些日常實例中的數學模型與數字化實驗室所需的數學模型相似，”巴斯夫研究機構機器學習和人工智能研究組負責人HergenSchultze博士解釋道。

 

　　“沒有現成的機器學習軟件，”負責巴斯夫BASLEARN的Bruno Betoni博士說。“我們的目標是為研究中非常具體的應用開發新的機器學習基本原理。”Betoni表示，TUBerlin在該領域擁有豐富的專業知識。他相信這種合作將有助于雙方合作取得重要進展。“我們將從與巴斯夫的合作中獲益匪淺，”穆勒說。“它允許我們訪問大量真實，高度復雜的數據，我們可以使用它來開發新的算法。巴斯夫正在調查的科學問題非常有趣和多樣化。這些現實生活中的挑戰創造了非常令人興奮和新穎的研究問題，坐在辦公桌前的理論家很少會提出這些問題。“

 

　　機器學習的應用領域包括生物系統，材料和活性成分研究，實驗室自動化和動態過程系統。聯合研究工作將研究諸如復雜混合物或染料的溶解度以及預測催化劑老化過程等問題。“一開始聽起來可能聽起來不太復雜，但不幸的是。例如，我們知道單個材料和簡單混合物的溶解度。然而，當配方中有幾個組成部分時，它就是一個不同的故事，“Schultze說。“我們使用的數據越多，學習模型的適應性越好，它就能預測得越好。反過來，我們在實驗室的工作變得更有效率，我們一起更快地達到目標，“Schultze說。“數學模型當然也可以控制實驗室機器人，從而進行實驗，”Schultze補充道，引用另一個應用實例。因此，機器人可以接管例行任務或處理危險材料，例如，在反應堆清潔期間。

　　熱門牌號:

 　　Durethan® BKV130GIT 900116 DUS008、 BJB Polyurethane F-195 A/B、 FLEX NORYL™ Resin WCD883CU、 Eltex® P KS341、 Plamer 1045NM、DOMAMID® 6IK4 301 BK、 EnLon 6630GFHS、 DOMAMID® 66G35H2、 NOVADURAN™ 5810GN2-15、 Akulon® XS32 (F-X08057)、 PRIMALENE PC/PBT 4152iu 901 、ENFLEX VU-424-70A、 Dryflex® A2 602601、 Durethan® BCF30XH3.0 000000、 Epalex® PDR 7380/2 UV3、 DOMAMID® FR 66G35V0E、 TREVA™ GC6011 Clear、Edgetek™ ATC-000/000 IM5 NATURAL UV、ROTOUN® LLD906U8P、LEXAN™ Copolymer EXL1182T、Plamer 1065BM、Smart™ 184、OnFlex™ HT 70A-3S2103 black UV、 LUVOCOM® 1105/GF/30/BK-1、 ALTECH® POM A 1000/177、 DOMAMID® 66G33H1......