Opracowanie efektywnych obliczeniowo hierarchicznych modeli bayesowskich do analizy retencji analitów w wysokosprawnej chromatografii cieczowej
Identyfikator grantu: PT01268
Kierownik projektu: Paweł Wiczling
Gdański Uniwersytet Medyczny
Wydział Farmaceutyczny
Gdańsk
Data otwarcia: 2025-05-13
Planowana data zakończenia grantu: 2028-05-13
Streszczenie projektu
Celem projektu jest doskonalenie hierarchicznego modelu bayesowskiego do modelowania retencji analitów w wysokosprawnej chromatografii cieczowej (HPLC). Prace skoncentrują się na optymalizacji struktury modelu w celu zwiększenia efektywności obliczeniowej, umożliwiając jego zastosowanie w złożonych analizach przy zachowaniu skalowalności i szybkości.
Udoskonalony model pozwoli na dokładniejszą analizę mechanizmów retencji, charakterystykę faz stacjonarnej i ruchomej oraz precyzyjne przewidywanie czasów retencji analitów. Ułatwi to optymalizację warunków analitycznych, zapewniając lepsze rozdzielanie składników mieszanin.
Do implementacji modelu wykorzystane zostanie środowisko obliczeniowe Stan – zaawansowana platforma do modelowania statystycznego, wspierająca metody bayesowskie.
Udoskonalony model pozwoli na dokładniejszą analizę mechanizmów retencji, charakterystykę faz stacjonarnej i ruchomej oraz precyzyjne przewidywanie czasów retencji analitów. Ułatwi to optymalizację warunków analitycznych, zapewniając lepsze rozdzielanie składników mieszanin.
Do implementacji modelu wykorzystane zostanie środowisko obliczeniowe Stan – zaawansowana platforma do modelowania statystycznego, wspierająca metody bayesowskie.