西弗吉尼亚大学的一名工程师正在创建强大的非传统人工智能工具，可以重新构想化学制造的可持续性。
田宇和表示，她相信当前化学制造工艺的创新，包括关注能源可持续性的转型，可以由“量子人工智能”驱动，即使用亚原子粒子存储信息和解决问题的尖端量子计算机上的机器学习。田正利用美国国家科学基金会提供的 24 万美元启动了一个为期两年的项目，该项目将利用量子智能来创新环保化工厂的设计。
“我的团队将采取首创的方法，利用量子机器学习来识别新颖、最佳、可持续的化学工艺设计，”西弗吉尼亚大学本杰明·斯塔特勒学院化学和生物医学工程助理教授田说。工程和矿产资源。“我们希望了解氢和氨等化学品的生产如何更加环保，主要是在减少二氧化碳排放和能源消耗方面。我们的框架将系统地生成开箱即用的流程设计解决方案，而不是严重依赖人类专业知识。”
矿井化学工程博士生Austin Braniff将与 Tian 合作开展该奖学金项目，该项目由 EPSCoR RII Track-4 研究员计划支持，并由康奈尔大学人工智能科学研究所主办。
据能源信息署统计，2020年大宗化学品生产占工业能源消耗的33%，成为国内工业部门最大的能源消耗者，导致温室气体排放2.74亿吨。
“全球化学品市场竞争激烈，因此制造商必须找到更清洁但经济上可行的化学品生产途径，”田说。
“计算机辅助工艺设计”是一种工具，可以筛选可能的工艺技术和设置，评估各种解决方案之间的权衡，并为制造商节省大量成本。最近，计算机辅助工艺设计严重依赖人工智能。然而，由于化学制造设计非常复杂，涉及多个不同的大型单元(反应器、热交换器、分离器等)组合工作，标准人工智能可能需要很长时间才能提供解决方案。
“问题是如何以更可持续的方式将化学制造的新兴技术整合到现有流程中，同时确保该行业保持经济竞争力，”田说。“这既需要量子计算的速度优势，又需要人工智能的智能发现。”
她利用量子人工智能的方法基于一个独特的框架。大多数计算机辅助流程设计都是从人类用户指定一个特定的设计或一组可能的设计来进行评估和优化开始的。另一方面，田的“通用模块化表示框架”并不是通过将不同的设备以不同的配置组合在一起形成连接的单元来进行设计。田说，相反，设计的“乐高积木”是物理定律和基本现象，如热或质量传递。人工智能和量子计算算法将以不同的顺序和组合将这些物理现象结合起来，以产生设计解决方案。
“当工艺合成方法使用单元(反应器、分离器、混合器)作为其基本构件时，它会阻碍生成全新的单元操作或将多个任务集成到单个单元中。该设计还将受到工程师的专业知识和他们预先形成的想法的限制，”田说。“然而，当构建块不是单元而是反应、分离或混合等现象时，结构组合就会发生变化，我们可以发现意想不到的、违反直觉的设计。”
通过将流程驱动的框架转移到高速智能量子计算空间，田的方法可能有助于加速创新、高效和可持续的流程设计的发现和开发。
她说：“我们拥有有前途的新技术，可以为化学品制造商提供更高的能源效率和环境可持续性，但评估它们如何扩大化工厂的运营规模以及如何将它们与现有工厂流程和设备集成是具有挑战性的。” “我们的使命是通过将人工智能和量子计算应用于化学生产来推动系统创新。”
标签：