巴斯夫和柏林工业大学（柏林工业大学）签署了一项在机器学习领域密切合作的协议。总部位于柏林的机器学习联合实验室（BASLEARN）的目标是为与化学有关的基本问题开发可行的新数学模型和算法，例如从过程或量子化学。两家合作伙伴将在未来几年共同致力于实现这一目标。作为合作的重要组成部分，巴斯夫将支持柏林工业大学机械学习教授兼柏林机器学习中心发言人KlausRobertMüller博士的研究工作，在未来五年内共计超过250万欧元年份。
 

 

　　机器学习是人工智能的关键支柱。目标是分析大量数据以识别模式和关系，这些模式和关系可用于开发基于结果优化自身的预测模型。用于语言识别或自动驾驶的系统是如何在日常应用中使用机器学习的示例。“最终，这些日常实例中的数学模型与数字化实验室所需的数学模型相似，”巴斯夫研究机构机器学习和人工智能研究组负责人HergenSchultze博士解释道。

 

　　“没有现成的机器学习软件，”负责巴斯夫BASLEARN的Bruno Betoni博士说。“我们的目标是为研究中非常具体的应用开发新的机器学习基本原理。”Betoni表示，TUBerlin在该领域拥有丰富的专业知识。他相信这种合作将有助于双方合作取得重要进展。“我们将从与巴斯夫的合作中获益匪浅，”穆勒说。“它允许我们访问大量真实，高度复杂的数据，我们可以使用它来开发新的算法。巴斯夫正在调查的科学问题非常有趣和多样化。这些现实生活中的挑战创造了非常令人兴奋和新颖的研究问题，坐在办公桌前的理论家很少会提出这些问题。“

 

　　机器学习的应用领域包括生物系统，材料和活性成分研究，实验室自动化和动态过程系统。联合研究工作将研究诸如复杂混合物或染料的溶解度以及预测催化剂老化过程等问题。“一开始听起来可能听起来不太复杂，但不幸的是。例如，我们知道单个材料和简单混合物的溶解度。然而，当配方中有几个组成部分时，它就是一个不同的故事，“Schultze说。“我们使用的数据越多，学习模型的适应性越好，它就能预测得越好。反过来，我们在实验室的工作变得更有效率，我们一起更快地达到目标，“Schultze说。“数学模型当然也可以控制实验室机器人，从而进行实验，”Schultze补充道，引用另一个应用实例。因此，机器人可以接管例行任务或处理危险材料，例如，在反应堆清洁期间。

　　热门牌号:

 　　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......