人工智能辅助可持续工艺设计

工艺工程正面临着新的重大挑战，包括材料原料(例如，可再生材料)、能源(例如，各种来源，脱碳)、环境因素(例如，碳、水、生物多样性、水、空气和土壤中的化学污染)的演变;在执行新服务时，如intrant和产品灵活性或多联产。幸运的是，除了传统功能之外，各种各样的创新为解决这些挑战提供了更多的可能性，例如新的材料(例如离子液体或生物分子)、生产技术(例如3D打印)、驱动力(例如光或微波)、杂交(例如膜蒸馏或吸附生物反应器)和工程范例(例如模块化或分散生产)。

为了实现工艺的可持续设计，以应对当前的挑战和机遇，工艺设计师需要在复杂环境中各种规模(材料、单元操作、工艺系统)的广泛可能性中做出复杂的决策。

算法技术的最新进展，如人工智能(AI)，最近获得了普及和适用性，并可作为决策辅助工具，以帮助流程设计人员应对面临新领域时日益增加的复杂性。因此，本研究课题涉及人工智能的使用——通过模仿智能行为对复杂工程问题进行自动化决策的一般意义——以实现可持续的工艺设计。

人工智能涵盖了数据科学和运筹学社区交叉的广泛技术。因此，可以使用各种各样的“智能”算法，利用奖励驱动优化技术(元启发式，自然启发算法等)和数据驱动学习技术(机器学习，深度学习等)的经验。

本研究主题旨在概述人工智能如何帮助解决可持续进程;例如，解决新的分子分离，反应途径，创新工艺概念化，提高传统技术的可持续性，或重新利用它们来应对新的挑战。另一个目标是深入了解与传统方法相比，人工智能在材料(分子、形态等)等设计决策方面可以提供什么;过程强化、流程生成或复杂的设计问题(多产品、灵活性、多标准、不确定性等)。我们欢迎提交原创研究、评论、迷你评论和观点文章，主题包括但不限于:
•流程设计的人工智能基本概念
•可持续工艺的当前应用
•用于辅助流程设计的特定技术(例如，监督学习、代理建模、强化、生成模型)
•纯数据驱动和基于物理和数据驱动的混合方法
•化学工程领域人工智能的研究空白和潜在发展。

关键字:机器学习，优化，工艺综合，可持续性，分离工艺，工艺工程

重要提示:所有对本研究主题的贡献必须在其所提交的章节和期刊的范围内，如其使命声明中所定义的那样。雷竞技rebat在同行评审的任何阶段，Frontiers保留将超出范围的稿件引导到更合适的章节或期刊的权利。