一种基于机器学习与高通量筛选的纳米粒制备方法

本发明提供一种基于机器学习与高通量筛选的纳米粒制备方法，包括：利用多酚与金属离子在不同实验条件下进行纳米粒制备实验，记录实验结果；基于实验条件及实验结果，提取特征标签，并构建初筛数据集；根据初筛数据集中的实验特征数据与实验结果之间的关系以及最小二乘提升算法进行模型训练，得到基础预测模型；通过不同预测验证手段扩充初筛数据集，并基于扩充后的数据集对基础预测模型进行迭代训练，得到标准预测模型；通过标准预测模型生成理化特性符合预设要求的配方，并基于高通量方法从中筛选出抗氧化活性最优配方；采用最优配方完成制备实验，得到纳米粒，并对纳米粒进行表征。本发明的方法显著提高了配方研发效率，降低了试验成本。