استخراج فیکوسیانین از جلبک های سبز آبی دریایی به روش یادگیری تقویتی عمیق DRL
محل انتشار: دومین کنفرانس بین المللی "هوش مصنوعی در عصر تحول دیجیتال (نوآوری ها، چالش ها و فرصت ها)"
سال انتشار: 1404
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 35
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
AICNF02_061
تاریخ نمایه سازی: 31 مرداد 1404
چکیده مقاله:
این پژوهش یک رویکرد نوآورانه برای بهینه سازی استخراج فیکوسیانین از جلبک های سبز-آبی دریایی (سیانوباکتر یها) با استفاده از یادگیری تقویتی عمیق (DRL) ارائه میدهد. فیکوسیانین به عنوان یک رنگدانه طبیعی با خواص آنتی اکسیدانی و ضدالتهابی، کاربردهای گستردهای در صنایع دارویی، غذایی و آرایشی-بهداشت ی دارد. در این مطالعه، یک سیستم هوشمند مبتنی بر الگوریتم Deep Q-Network (DQN) طراحی شد که قادر به تنظیم بلادرنگ پارامترهای استخراج شامل دما، pH، نسبت حلال به بیومس، زمان استخراج و فشار است. این سیستم می تواند با استفاده از دادهه ای بیش از ۵۰۰ آزمایش استخراج آموزش دیده و در محیط آزمایشگاهی مورد ارزیابی قرار بگیرد. نتایج نشان میدهد که روش پیشنهاد ی در مقایسه با روشهای سنتی می تواند بازده استخراج فیکوسیانین را ۳۷% افزایش داده و مصرف انرژی و حلال را به میزان ۴۲% کاهش میدهد. این مقاله نشاندهنده پتانسیل قابل توجه فناوریهای هوش مصنوع ی در بهینه سازی فرایندهای زیستفناوری دریایی است.
کلیدواژه ها:
فیکوسیانین ، سیانوباکتر ی ، جلبک سبز - آبی ، یادگیری تقویتی عمیق ، استخراج بهینه ، زیستفناوری دریایی
نویسندگان
امیرحسین ابراهیمی
دانشکده علوم زیستی، واحد تهران شمال، دانشگاه آزاد اسلامی، تهران، ایران
علیرضا بیعوض
دانشکده مکانیک، برق و کامپیوتر، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران