AI-Powered Surrogate Modelling for Multiscale Combustion: A Critical Review and Opportunities
University of Derby（德比大学）；University of Nottingham（诺丁汉大学）；University of Glasgow（格拉斯哥大学）
本文综述了人工智能在多尺度燃烧代理建模中的应用，分析了监督、无监督及物理引导学习方法的性能，并探讨了燃料转移性差、外推误差等挑战，提出未来发展的方向。
2026-04-28 physics.chem-ph
Toward Machine Learned Highly Reduce Kinetic Models For Methane/Air Combustion
准确的低维甲烷化学动力学模型是高效燃气轮机燃烧室设计的重要组成部分。与物理实验相比，与计算流体动力学（CFD）耦合的动力学模型提供了快速有效的方法来测试操作条件、燃料成分和燃烧室设计的影响。然而，详细的化学动力学模型在计算流体动力学中的使用是太昂贵的计算。我们提出了一种新的面向数据的三步方法，以产生紧凑的模型，复制一组目标的详细模型属性，以高保真度。在第一步中，通过使用路径通量分析（PFA）从包含118种物质的详细模型中去除所有非必需物质，获得简化的动力学模型。然后进行数值优化，以复制详细的模型的预测在两个回合;第一，选择的物种（OH，H，CO和CH 4）的配置文件在完全搅拌反应器（PSR）模拟，然后重新优化的详细模型的预测层流火焰速度。这是通过专门开发的机器学习优化化学动力学（MPEG4）算法来实现的。系统扰动所有三个选定的反应的Arrhenius参数和评估的新参数的适用性，通过一个客观的误差函数，量化的紧凑型模型的计算的优化目标的错误。该策略通过生产19种和15种甲烷/空气燃烧的紧凑模型来证明。这两个紧凑的模型在一系列的0 D和1D计算在贫和富条件下进行了验证，并显示出良好的协议，父详细的机制。15种模型的表现优于目前最先进的模型在准确性和范围的条件下，该模型是有效的。
2021-03-31 physics.chem-ph stat.ML
A Framework for Combustion Chemistry Acceleration with DeepONets
North Carolina State University（北卡罗来纳州立大学）
提出基于改进 DeepONet 的燃烧化学加速框架，通过反应动力学与潜空间建模避免刚性化学积分，在氢及正十二烷氧化中准确再现温度与组分演化并实现高加速和强外推。
2023-04-06 cs.LG physics.chem-ph physics.flu-dyn
On the H-atom abstractions from C1-C4 alcohols, aldehydes, and ethers by NO2: ab initio and comprehensive kinetic modeling
本研究利用DLPNO CCSD(T)等方法全面调查了NO2从C1-C4醇、醛和醚中夺取H原子的反应，涵盖9种碳氢化合物和45个反应，并将这些动力学参数纳入化学模型，显著提高了模型反应性并缩短了点火延迟时间。
2024-11-14 physics.chem-ph
Modeling of NO sensitization of IC engines surrogate fuels auto-ignition and combustion
本文提出了一个新的化学动力学模型，用于模拟发动机代用燃料混合物的自燃和燃烧的NOx敏化的存在。化学机理基于Buda等人的PRF自燃模型（正庚烷/异辛烷）[1]和Glaude等人的NO/正丁烷/正戊烷模型[2]。后者的机制已被作为参考的NOx与较大的烷烃（正庚烷，异辛烷）的反应。一个连贯的两个组件的发动机燃料替代机制已产生的影响，占自动点火的NOx。该机制已被验证为700 K和1100 K之间的温度和1和10个大气压之间的压力，覆盖发动机后氧化热力学条件的温度和压力范围的特性。用于验证的实验包括作为温度函数的物质演变的喷射搅拌反应器条件，以及用于自燃延迟时间测量的柴油HCCI发动机实验。
2009-03-25 physics.chem-ph
Modeling of autoignition and NO sensitization for the oxidation of IC engine surrogate fuels
本文提出了一种用单一动力学机理模拟内燃机内自燃和燃烧过程的化学反应以及控制发动机排气中未燃碳氢化合物后氧化的化学动力学的方法。因此，开发了一种新的动力学模型，在包括负温度系数制度在内的广泛温度范围内有效。该模型模拟了由正庚烷、异辛烷和甲苯组成的发动机代用燃料的自燃和氧化过程，这些燃料被氮氧化物敏化。新的模型是从以前公布的机制，烷烃和甲苯的氧化，其中的耦合反应描述烃和NOx之间的相互作用被添加。该机制进行了验证，对广泛的实验数据，在射流搅拌反应器，快速压缩机，激波管和均质充量压燃发动机。为了解释低温化学动力学，特别是NOx对碳氢化合物氧化的影响，进行了流量和敏感性分析。
2009-03-23 physics.chem-ph
ChemKANs for Combustion Chemistry Modeling and Acceleration
Department of Mechanical Engineering, Massachusetts Institute of Technology, 77 Massachusetts Ave, Cambridge, MA 02139, United States.（机械工程系，麻省理工学院）
针对燃烧化学建模与加速面临的ODE系统规模大、时间尺度分离等挑战，提出ChemKANs框架，结合化学知识增强KAN-ODE，实现模型推断鲁棒性与模拟加速（氢燃烧案例加速2倍）。
2025-08-25 cs.LG physics.chem-ph
A multi-scale sampling method for accurate and robust deep neural network to predict combustion chemical kinetics
AI for Science Institute（北京科学智能研究院）；Princeton University（普林斯顿大学）；Shanghai Jiao Tong University（上海交通大学）；Peking University（北京大学）；Shanghai Center for Brain Science and Brain-Inspired Technology（上海脑科学与类脑研究中心）
由于参数数量极其庞大，缺乏评价标准和再现性，机器学习一直被认为是预测燃烧化学动力学的黑箱。目前的工作旨在了解关于深度神经网络（DNN）方法的两个基本问题：DNN需要什么数据以及DNN方法的通用性。采样和预处理决定了DNN的训练数据集，进而影响DNN的预测能力。本文提出用Box-Cox变换对燃烧数据进行预处理。此外，这项工作比较了不同的采样方法，有或没有预处理，包括蒙特卡洛方法，流形采样，生成神经网络方法（循环GAN），和新提出的多尺度采样。我们的研究结果表明，由流形数据训练的DNN可以捕获有限配置中的化学动力学，但不能保持对扰动的鲁棒性，这对于与流场耦合的DNN是不可避免的。蒙特卡罗和循环GAN采样可以覆盖更宽的相空间，但无法捕获小规模的中间物种，产生较差的预测结果。一个三隐层DNN，基于多尺度方法，没有特定的火焰模拟数据，允许预测化学动力学在各种情况下，并在时间演变过程中是稳定的。这个单一的DNN很容易用几个CFD代码实现，并在各种燃烧室中得到验证，包括（1）。零维自燃;（2）.一维自由传播火焰;（3）.具有三重火焰结构的二维射流火焰;（4）.三维湍流火焰。实验结果表明，预训练的DNN具有令人满意的精度和泛化能力。DNN的Fortran和Python版本以及示例代码随附在补充文件中，以确保可重复性。
2022-08-12 cs.LG cs.NA math.NA
Investigate auto-ignition of stoichiometric methane-air mixture
在单区燃烧室内，采用详细的化学动力学方法研究了甲烷-空气混合气的自燃过程。初始温度对燃烧开始（SOC）的影响。计算了比反应速率的Arrhenius表达式，并根据组分分数和敏感性分析评价了自燃。研究结果表明，初始温度与SOC有直接关系，当初始温度足够低时，自燃不会发生。
2017-11-16 physics.chem-ph
Intercalation kinetics in multiphase layered materials
许多层间化合物具有层状结构或互穿晶格，其能够通过竞争的层内和层间力驱动相分离成三个或更多个稳定相或“阶段”。虽然这些结构通常在平衡状态下得到很好的表征，但它们对嵌入动力学和远离平衡的运输的影响通常被经验固溶体模型忽略或近似。在这里，我们制定了一个通用的相场模型与化学一致的反应动力学和合作运输捕获的层状材料中的插层动力学。作为锂离子电池的一个重要案例，我们将锂嵌入石墨的单个颗粒建模为具有三个稳定相的周期性双层结构，对应于零层、一层或两层充满锂的层。电化学嵌入反应由广义Butler-Volmer方程描述，该方程具有热力学因子以解释石墨烯平面的柔性结构。该模型自然捕获的“电压阶梯”放电曲线作为一个结果，分期动态与内部的“棋盘”域，这不能描述的固溶体模型的基础上菲克扩散。另一方面，两层模型是计算昂贵的，并排除了低密度的稳定相与较长范围的周期性，所以我们还提出了一个简化的模型石墨，它捕获的高密度阶段，同时拟合低密度的电压曲线作为一个有效的固溶体。这两个模型说明了显式建模的周期性层或晶格和计算效率和准确拟合的实验数据的需要之间的一般权衡。
2017-02-15 physics.chem-ph
Kinetics Parameter Optimization via Neural Ordinary Differential Equations
化学动力学机理对于理解、分析和模拟复杂的燃烧现象是必不可少的。在这项研究中，神经常微分方程（神经ODE）的框架，以优化反应机理的动力学参数。给定实验或高成本的模拟观测值作为训练数据，该算法可以最优地恢复数据中隐藏的特征。测试了各种大小、类型和噪声水平的不同数据集。一个经典的玩具问题的刚性罗伯逊常微分方程是第一次用来证明学习能力，效率和鲁棒性的神经常微分方程的方法。然后分别用组分的时间分布和点火延迟时间对41组分、232反应的JP-10骨架机理和34组分、121反应的正庚烷骨架机理进行了优化。实验结果表明，该算法能够有效地优化刚性化学模型。值得注意的是，经过训练的机制不仅完美地拟合数据，而且还保留了其物理可解释性，这可以在实际湍流燃烧模拟中进一步集成和验证。
2022-09-05 physics.chem-ph physics.flu-dyn
Dynamic Chemical Model for H2/O2 Combustion Developed Through a Community Workflow
通过协作工作流程对H2/O2燃烧的基本反应模型进行了评估和优化，建立了准确性并表征了不确定性。定量研究结果是优化模型、$\text{H}_2 + \text{O}_2(1Δ) = \text{H} + \text{HO}_2$在高压火焰中的重要性以及某些低温激波管数据的不一致性。这里描述的工作流程被认为更加重要，因为这种方法和公开的网络基础设施允许未来社区发展不断改进。此处应用的工作流程步骤是使用Burke等人[2012]、Burke等人[2013]、Sellevag等人[2009]和Konnov [2015]开发初始反应集;测试其热力学和动力学一致性以及与文献中其他集的相容性;分配来源中未说明的估计不确定性;从激波管和火焰实验数据中选择关键的数据目标（“感兴趣的目标”，简称QOI）;根据阿耳茨纽斯指数前因子，对QOI进行常规的灵敏度分析;为模型预测的QOI值开发替代模型;评估模型与使用Bound-to-Bound Data Collaboration的数据一致性;并在其估计的不确定性范围（可行集）内优化模型参数。开发了进行此类分析所需的数据和软件，并通过PrIMe网络基础设施向公众提供。这个社区工作流程被证明是一种揭示不一致性、改进和不确定性界限的手段。更重要的是，它是一种揭示哪些参数和实验结果与社区的大量工作不一致的手段，从而设计新的实验和参数计算。
2018-02-03 physics.chem-ph
Thermal stability of n-dodecane : experiments and kinetic modelling
在喷射搅拌反应器中研究了喷气燃料组分正十二烷的热分解反应，反应温度为793 ~ 1093 K，停留时间为1 ~ 5s，反应压力为常压。碳氢燃料在进入燃烧室之前的热分解是一种设想的冷却高超声速飞行器壁的方法。反应产物主要是氢气、甲烷、乙烷、1，3-丁二烯和从乙烯到1-十一烯的1-烯烃。对于更高的温度和停留时间，还观察到乙炔、丙二烯、丙炔、环戊烯、1，3-环戊二烯和从苯到芘到萘的芳族化合物。通过引入一个解释芳烃生成和消耗的子机理，改进和完善了EXGAS软件建立的正十二烷热分解详细动力学模型。
2007-06-14 physics.chem-ph
A Multipurpose Reduced Mechanism for Ethanol Combustion
新的多用途的骨骼和减少化学动力学机制乙醇燃烧的开发，沿着相同的哲学路线，在我们以前的工作甲醇。所得到的骨架机制包含66个反应，其中只有19个是可逆的，在31个物种中，并且相关的还原机制包含16个物种中的14个总反应，通过将\ce{CH3CHOH}、\ce{CH2CH2OH}、\ce{CH3CO}、\ce{CH2CHO}、\ce{CH2CO}、\ce{C2H3}、\ce{C2H5}、\ce{C2H6}、\ce{S-CH2}、\ce{T-CH2}、\ce{CH4}、\ce{CH2OH}、稳态PDMATHAMBMY、PDMATHAMBMZ和\ce{O}。对于简化的机制，稳态关系和速率表达式的安排，使计算可以顺序进行，而无需迭代。与自燃、层流燃烧速度和逆流火焰结构和熄灭的实验结果的比较，包括与文献中257步、54种详细的圣地亚哥机制和其他五种机制的比较，支持骨架和简化机制的实用性，例如，表明，与圣地亚哥机制相比，计算量分别减少了70%和80%.计算时间和偏离实验值的程度的措施定义和评价结果。除了有助于提高理解的机制，衍生的简化可能证明是有用的，在各种计算研究。
2022-02-06 physics.chem-ph physics.flu-dyn
Theoretical kinetic study of the low temperature oxidation of ethanol
为了提高对乙醇低温燃烧的理解，对涉及羟乙基过氧自由基的基元反应进行了高级从头计算。这些自由基来自羟乙基自由基（？CH 3CHOH和？CH 2CH 2 OH）上。在CBS-QB 3水平上研究了羟乙基过氧自由基及其自由基产物的单分子反应。结果允许突出这些自由基的分解的主要方式。势能面的计算表明，主要渠道导致形成的HO 2自由基，可以被认为是，在低温下，作为轻微的反应。然而，在CH 3CH（OOH）O？自由基，分解路线产生H原子和甲酸过酸，甲酸过酸是一种支化剂，可以强烈增强乙醇在低温氧化中的反应性。除了这些分析，高压极限速率常数推导出在400至1000 K的温度范围内。
2009-04-20 physics.chem-ph
Comprehensive reevaluation of acetaldehyde chemistry and the underlying uncertainties
本研究综合大量直接实验、量子化学计算及数据库，系统重估乙醛燃烧的79个反应速率参数、24种物种热化学参数及其不确定性，显著提升模型高温预测表现。
2024-09-06 physics.chem-ph physics.comp-ph
Theoretical investigation of real-fluid effects on the oxidation of hydrogen and syngas in high-pressure flow reactors
本研究针对高压流动反应器燃烧建模多基于理想气体假设的问题，构建了耦合从头算分子间势与高阶维里方程的真实流体建模框架，量化了氢和合成气氧化中的真实流体效应，指出忽略该效应会引发显著误差。
2025-10-02 physics.chem-ph
Machine Learning Approaches to Learn HyChem Models
本文提出用随机梯度下降训练 HyChem 化学动力学模型，使其覆盖高温与低温燃烧区间；在 F-24 上达到遗传算法同等精度，成本降低1000倍且参数改动更小。
2021-04-16 physics.chem-ph
Direct measurements of DOCO isomers in the kinetics of OD+CO
羟基自由基（OH）与一氧化碳（CO）反应的定量和详细的机械动力学一直是当代化学动力学的长期目标。这种基本的原型反应在大气和燃烧化学中起着重要的作用，激发了精确测定热反应条件下的反应速率系数及其压力和温度依赖性的研究。这种复杂的依赖关系可以直接追溯到涉及活性中间体顺式和反式HOCO的潜在动力学（形成，异构化和解离）的细节，这只能短暂地观察到。利用时间分辨频率梳谱技术，实现了对同位素模拟物氘氧自由基（OD）与CO反应动力学的全面机理解析。通过实时监测反应物、中间体和产物的浓度，将OD+CO反应中所有物种的支化和异构化动力学以及绝对产率定量为压力和碰撞伴侣的函数。
2017-10-06 physics.chem-ph physics.optics
Laboratory Studies on the Carbon Kinetic Isotope Effects on the Production Mechanism of Particulate Phenolic Compounds Formed by Toluene Photooxidation: A Tool to Constrain Reaction Pathways
研究了甲苯光氧化生成的二次颗粒有机物（POM）中酚类化合物的稳定碳同位素组成。采用连续流动反应器和8 m3室内烟雾箱收集甲苯光氧化生成的二次POM，用乙腈提取。八种酚类化合物被确定在提取物中的气相色谱仪与质谱仪，其化合物的特定的稳定碳同位素比测定气相色谱仪与燃烧炉，然后由同位素比质谱仪。大多数产物，包括甲基硝基苯酚和甲基硝基邻苯二酚，与甲苯的初始同位素比相比，同位素贫化5至6 permil，而4_硝基苯酚的同位素比保持与甲苯的初始同位素比相同。根据文献中假定的反应机理，计算了这些产物的稳定碳同位素比值。观测到的同位素比值与预测的比较表明，甲基羟基环己二烯自由基与NO2的反应通道是一个可能的生产途径的颗粒酚类化合物。
2014-12-10 physics.chem-ph
Direct Frequency Comb Measurement of OD + CO -> DOCO Kinetics
OH + CO反应的动力学，大气和燃烧化学的基础，是复杂的，由于HOCO中间体的形成。尽管对该反应进行了广泛的研究，但在热反应条件下尚未观察到HOCO。利用时间分辨腔增强直接频率梳状光谱的灵敏，宽带和高分辨率的能力，我们观察OD + CO反应动力学与检测稳定的trans-DOCO，trans-HOCO的氘代类似物，及其产量。通过同时测量的时间依赖性浓度的trans-DOCO和OD物种，我们观察到明确的低压三分子依赖于反应速率系数为N2和CO浴气体。这些结果证实了HOCO的形成机理并量化了其产率。
2016-08-25 physics.atom-ph physics.chem-ph physics.optics
Improved Electrochemical Performance and Diffusion kinetics by Boron-doping in Na$_{0.66}$Mn$_{0.8}$Fe$_{0.2}$O$_{2}$ Layered Cathodes for Sodium-Ion Batteries
Indian Institute of Technology Delhi（印度德里理工学院）；Hindu College, University of Delhi（德里大学印度教学院）；Indian Institute of Technology Delhi-Abu Dhabi（印度德里理工学院阿布扎比分校）
研究通过硼掺杂改善钠离子电池正极材料的比容量和循环稳定性，利用电化学测试和理论计算分析其扩散动力学及结构稳定性。
2026-04-27 cond-mat.mtrl-sci physics.chem-ph
Toward Development of Machine Learned Techniques for Production of Compact Kinetic Models
School of Physics, Trinity College Dublin（都柏林三一学院物理学院）；Siemens Energy Canada Ltd（西门子能源加拿大有限公司）；McGill University（麦吉尔大学）
本文提出MLOCK算法，通过自动化扰动和优化化学动力学模型的子模型与参数，将包含2789物种的详细机理压缩至15物种，保持约87%保真度，超越现有方法。
2022-02-16 cs.DC cs.LG physics.chem-ph
Low-Dimensional High-Fidelity Kinetic Models for NOX Formation by a Compute Intensification Method
School of Physics, Trinity College Dublin（都柏林三一学院物理学院）；Siemens Energy Canada Ltd（西门子能源加拿大有限公司）；McGill University（麦吉尔大学）
本文提出一种计算强化方法，利用MLOCK算法和拉丁方虚拟反应网络，构建低维高保真NOX生成紧凑动力学模型，在燃气轮机性能目标上实现超过75%的保真度。
2022-02-21 cs.DC cs.LG physics.chem-ph
Influence of chemical kinetics on detonation initiating by temperature gradients in methane/air
不同的简化和详细的化学模型和它们的影响，在甲烷/空气混合物的初始温度梯度引发的燃烧制度的模拟进行了研究。反应波传播的限制取决于自发波的速度和问题的特征速度。本研究主要集中于确定发展爆轰所需的条件，并比较简化化学模型和详细化学模型之间的差异。结果表明，广泛使用的简化化学方案，如一步，两步和其他简化模型，不能正确地再现甲烷/空气混合物的着火过程。使用简化模型计算的点火延迟时间比使用详细的化学模型计算和实验测量的点火延迟时间短几个数量级。当放热反应显著影响自发反应波和压力波的点火、演化和耦合时，这导致相当不同的时间。我们表明，能够触发爆震使用详细的化学模型计算的温度梯度是浅得多（热点的大小要大得多）比，通过模拟与简化的化学模型预测。这些研究结果表明，导致爆燃转爆轰（DDT）的情况下，可能在很大程度上取决于模拟中使用的化学模型，Zeldovich梯度机制是不一定是一个通用的机制触发DDT。结果表明，用简化的化学模型模拟DDT所得出的结论应持谨慎态度。
2018-10-11 physics.chem-ph
On sparse identification of complex dynamical systems: A study on discovering influential reactions in chemical reaction networks
各种各样的现实生活中的复杂网络是巨大的建模，分析和控制。理解这种网络的结构和动力学需要创建一个较小的代表性网络，保留其相关的拓扑和动力学特性。虽然现代机器学习方法已经能够识别复杂动态系统的控制律，但它们无法产生具有足够物理解释的白盒模型，使得这些方法不受领域专家的欢迎。在本文中，我们介绍了一种混合黑盒，白盒的方法，稀疏识别的复杂，高度耦合的动力系统的控制律，特别强调在燃烧应用中的化学反应网络中找到有影响力的反应，使用数据驱动的稀疏学习技术。所提出的方法确定了一组有影响力的反应，使用物种浓度和反应速率，以最小的计算成本，而不需要额外的数据或模拟。在定容均相反应器中，对H_2和C_3H_8的燃烧化学进行了分析。由稀疏学习方法确定的影响反应与当前化学机理的动力学知识是一致的。此外，我们表明，一个简化版本的父机制可以产生的显着减少有影响力的反应，在不同的时间和条件下确定的组合，并为H2和C3H8燃料，减少机制执行密切的父机制作为函数的点火延迟时间在很宽的范围内的条件。我们的研究结果表明，稀疏学习方法作为一个有效的和高效的工具，动力系统的分析和减少的潜力。这种方法应用于燃烧系统的独特之处在于能够在燃烧过程的演变过程中在指定的条件和时间内识别有影响的反应。这种能力对于理解化学反应系统非常有意义。
2020-07-08 math.OC physics.chem-ph
Kolmogorov-Arnold Chemical Reaction Neural Networks for learning pressure-dependent kinetic rate laws
Department of Mechanical Engineering, Massachusetts Institute of Technology（麻省理工学院机械工程系）
本文提出Kolmogorov-Arnold化学反应神经网络，通过将动力学参数建模为第三体浓度的可学习函数，解决压力依赖和混合物速率行为问题，优于插值方法，实现可解释的速率定律学习。
2026-05-13 cs.LG physics.chem-ph
Unveiling the spontaneous conversion of layered MAX phases to 2D MXenes
本研究结合理论计算与原位监测平台，揭示MAX相转化为MXenes的自加速刻蚀机制，明确决速步，并提出反应能可作为筛选高效刻蚀剂的有效描述符。
2025-05-19 cond-mat.mtrl-sci physics.chem-ph
A deep learning-based ODE solver for chemical kinetics
Princeton University（普林斯顿大学）；Shanghai Jiao Tong University（上海交通大学）
由于化学积分的强刚性和高维性，开发高效、准确的化学积分算法是一项具有挑战性的任务。目前的工作提出了一种基于深度学习的数值方法，称为DeepCombustion0.0，用于求解刚性常微分方程系统。以DME/空气混合气的均质自燃为例，验证了该算法的有效性和准确性。训练和测试数据集涵盖了750-1200 K、30-50 atm和当量比= 0.7-1.5之间的温度、压力和混合物条件。考虑了第一阶段低温点火（LTI）和第二阶段高温点火（HTI）。该方法强调了自适应数据采样技术、功率变换预处理和二进制深度神经网络（DNN）设计的重要性。通过使用自适应随机采样和适当的幂变换，观察到状态向量相空间中的光滑子流形，可以在其上适当地训练两个三层DNN。神经网络是端到端的，它直接预测状态向量的时间梯度。结果表明，DNN预测的时间演化与传统的数值方法在所有的状态矢量维，包括温度，压力，和物种浓度。点火延迟时间差在1%以内。同时，CPU时间分别比HMTS和VODE方法减少了20倍和200倍以上。目前的工作展示了将深度学习算法应用于化学动力学和燃烧建模的巨大潜力。
2020-11-24 cs.LG cs.NA math.NA
A New Data-Driven Sparse-Learning Approach to Study Chemical Reaction Networks
Department of Electrical Engineering and Computer Science, University of Michigan, Ann Arbor, MI 48109--2125, USA（电气工程与计算机科学系，密歇根大学，安娜堡，MI 48109--2125，美国）；Department of Mechanical Engineering, University of Michigan, Ann Arbor, MI 48109--2125, USA（机械工程系，密歇根大学，安娜堡，MI 48109--2125，美国）；Departments of Chemical Engineering, Biomedical Engineering, Macromolecular Science and Engineering, Biophysics Program, University of Michigan, Ann Arbor, MI 48109--2125, USA（化学工程、生物医学工程、大分子科学与工程、生物物理项目系，密歇根大学，安娜堡，MI 48109--2125，美国）
本文提出了一种数据驱动的稀疏学习方法，用于识别化学反应网络中关键反应，该方法通过物种浓度和反应速率来确定影响反应，具有低计算成本，无需额外数据或模拟，应用于氢气和丙烷的燃烧化学分析，并展示了简化机制在点火延迟上的良好性能。
2019-02-10 cs.LG cs.SY eess.SY
