研究加速基于人工智能的药物制造粒度探测

制药制造业长期以来一直在努力解决监测干燥混合物特性的问题，这是药物和化合物生产中的关键步骤。

目前，通常使用两种非侵入式表征方法：要么对样本进行成像并计算单个颗粒的数量，要么研究人员使用散射光来估计颗粒尺寸分布 (PSD)。前者耗时长且会导致浪费增加，因此后者是更具吸引力的选择。

近年来，麻省理工学院的工程师和研究人员开发了一种基于物理和机器学习的散射光方法，该方法已被证明可以改善药品药丸和粉末的制造工艺，提高效率和准确性，并减少产品不合格批次。

在《光：科学与应用》杂志上发表的一篇题​​为《从单个散斑图像非侵入性地估计粉末尺寸分布》的论文中，由美国麻省理工学院机械工程系乔治·巴巴斯塔蒂斯教授领导的科学家团队及其同事扩展了这项工作，并介绍了一种更快的方法。

“了解散射光的行为是光学领域最重要的课题之一，”现任清华大学副研究员的张启航博士说。

研究人员与仪器的合影。从左到右依次为 Ajinkya Pandit、Yi Wei 和 Shashank Muddu。图片来源：Qihang Zhang、Ajinkya Pandit、Zhiguang Liu、Zhen Guo、Shashank Muddu、Yi Wei、Deborah Pereg、Neda Nazemifard、Charles Papageorgiou、Yihui Yang、Wenlong Tang、Richard D. Braatz、Allan S. Myerson 和 George Barbastathis。

“我们在散射光分析方面取得的进展，也为制药行业发明了一个有用的工具。找到痛点，通过研究根本规律来解决问题，是研究团队最兴奋的事情。”

论文提出了一种基于瞳孔工程的新型 PSD 估计方法，可以减少分析所需的帧数。研究人员解释说：“我们的基于学习的模型可以从单个快照散斑图像中估计粉末尺寸分布，从而将重建时间从 15 秒缩短到仅仅 0.25 秒。”

张教授表示：“我们在这项研究中的主要贡献是将一种粒度检测方法加速了 60 倍，并对算法和硬件进行了集体优化。这种高速探针能够检测快速动态系统中的粒度变化，为研究制药行业中包括干燥、混合和搅拌在内的工艺模型提供了一个平台。”

该技术通过收集粉末表面的反向散射光，提供了一种低成本的非侵入式颗粒尺寸探头。只要有观察窗，紧凑便携的原型就可以与市场上的大多数干燥系统兼容。这种在线测量方法可能有助于控制制造过程，提高效率和产品质量。

此外，之前缺乏在线监测，阻碍了对制造过程中动态模型的系统研究。这项探索可以为开展颗粒尺寸演变研究和建模带来新的平台。

这项工作是物理学家和工程师合作完成的，源自麻省理工学院-武田项目。合作者隶属于麻省理工学院的三个系：机械工程系、化学工程系和电气工程与计算机科学系。麻省理工学院机械工程学教授 George Barbastathis是本文的资深作者。