제약 제조 산업은 약물 및 화합물 생산의 중요한 단계인 건조 혼합물 특성을 모니터링하는 문제로 오랫동안 어려움을 겪어 왔습니다. 현재 특성을 결정하는 데 일반적으로 사용되는 두 가지 비침습적 방법이 있습니다. 즉, 샘플을 이미징하고 개별 입자를 계산하거나 연구자가 산란광을 사용하여 입자 크기 분포를 추정하는 것입니다. 첫 번째 방법은 시간이 많이 걸리고 낭비가 증가하므로 두 번째 방법이 더 매력적인 옵션이 됩니다.
최근 몇 년 동안 MIT 엔지니어와 연구원은 물리학과 기계 학습을 기반으로 하는 산란광 접근 방식을 개발했습니다. 이 접근 방식은 의약품 알약 및 분말의 제조 공정을 개선하여 효율성과 정확성을 높이고 제품 배치 실패 횟수를 줄이는 것으로 나타났습니다. ‘라는 제목의 새로운 오픈소스 연구 논문이 발표되었습니다.단일 황반 이미지로부터 분말 크기 분포를 비침습적으로 추정“잡지에서 확인 가능” 빛: 과학과 응용이 작업은 확장되어 더 빠른 접근 방식을 제공합니다.
Tsinghua University의 연구원인 Qihang Zhang은 “산란광의 동작을 이해하는 것은 광학 분야에서 가장 중요한 주제 중 하나입니다. 산란광 분석에 진전을 보임으로써 제약 업계에 유용한 도구도 발명했습니다.”라고 말했습니다. “핵심은 연구팀에게 가장 흥미로운 부분이다.”라는 기반을 조사하여 약점을 파악하고 해결합니다.
본 연구에서는 분석에 필요한 프레임 수를 줄이는 동공 기하학을 기반으로 PSD를 추정하는 새로운 방법을 제안합니다. “우리의 학습 기반 모델은 단일 비트맵에서 분말 크기 분포를 추정할 수 있으므로 재구성 시간을 15초에서 단 0.25초로 줄일 수 있습니다.”라고 연구원은 설명합니다.
“이 연구에서 우리의 주요 기여는 알고리즘과 하드웨어 모두의 집합적 최적화를 통해 입자 크기 감지 방법의 속도를 60배 높이는 것입니다.”라고 Zhang은 말합니다. “이 고속 프로브는 빠른 동적 시스템에서 크기 변화를 감지할 수 있어 건조, 혼합 및 혼합을 포함한 제약 산업의 공정 모델을 연구할 수 있는 플랫폼을 제공합니다.”
이 기술은 분말 표면에서 산란된 빛을 수집하여 저렴하고 비침습적인 입자 크기 프로브를 제공합니다. 컴팩트하고 휴대 가능한 프로토타입은 관찰 창이 있는 한 시중의 대부분의 건조 시스템과 호환됩니다. 이러한 온라인 측정 접근 방식은 제조 공정을 제어하고 효율성과 제품 품질을 향상시키는 데 도움이 될 수 있습니다. 더욱이 이전에는 온라인 모니터링이 부족하여 제조 공정에서 동적 모델을 체계적으로 연구할 수 없었습니다. 이 프로브는 입자 크기 진화의 시퀀싱 연구 및 모델링을 위한 새로운 플랫폼을 제공할 수 있습니다.
물리학자와 엔지니어 간의 성공적인 협력으로 이루어진 이 연구는 MIT-Takeda 프로그램의 결과였습니다. 공동 작업자는 MIT의 기계 공학, 화학 공학, 전기 공학 및 컴퓨터 과학의 세 부서에서 왔습니다. MIT의 기계공학 교수인 George Barbastathis가 이 기사의 주요 저자입니다.
“트위터를 통해 다양한 주제에 대한 생각을 나누는 아 동율은 정신적으로 깊이 있습니다. 그는 맥주를 사랑하지만, 때로는 그의 무관심함이 돋보입니다. 그러나 그의 음악에 대한 열정은 누구보다도 진실합니다.”