背景

技術突破

近日，杭州焦耳智能科技有限公司的研發團隊為解決這一問題，聯合中國計量大學和伊朗塔比阿特莫達勒斯大學在量熱學領域國際期刊 《Thermochimica Acta》上發表題為 《A Machine Learning Based Calibration Method for Differential Scanning Calorimetry》的學術論文。該研究將機器學習方法引入差示掃描量熱儀（DSC）校準過程中，為熱分析實驗提供了一種全新的數據驅動校準方法。

結論及應用

本研究通過構建融合二階理論傳熱模型與數據驅動學習的校準方法，有效補償傳統校準模型難以區分的復雜因素（如散熱與氣體流動），在不同實驗條件下實現測試池和參比池之間溫差值ΔT的高精度預測。該方法不僅顯著提升了測量結果的可靠性與可重復性，突破了傳統DSC校準方法對標準物質、實驗經驗和簡化假設的依賴，使校準過程從經驗依賴型向數據驅動型轉變。研究結果表明，該機器學習校準方法能夠自適應地修正實驗誤差，實現對不同升溫速率、氣氛流速及樣品質量條件下的精準建模。該方法的提出為熱分析儀器的定量化、智能化校準提供了新的技術路徑，也為構建更高層次的“物理—數據融合”智能測量體系奠定了重要基礎。

儀器推薦