机构名称：
¥ 1.0
化学工程师的配方、开发和立场过程都严重依赖于模型。这些决策的物理和经济后果可能会带来灾难性的后果。尝试在各个学科中采用混合形式的人工智能进行建模。然而，他们未能达到预期。由于过去五年数据量和计算资源的增加。最近，大量工作投入到开发新的数据源、索引、化学界面设计和机器学习算法中，以促进研究界采用这些技术。然而，机器学习的收益也有一些重要的缺点。机器学习最有前途的用途是时间关键型任务，例如实时优化和规划，这些任务需要极高的精度，并且可以建立在可以自我学习识别模式、从数据中得出结论并随着时间的推移变得更加智能的模型上。由于对计算机科学和数据分析的了解有限，大多数化学工程师都可能受到人工智能发展的影响。但在不久的将来，化学工程师的建模工具箱将包含一个可靠的机器学习组件。
机器学习在化学工程中的应用
主要关键词
相关文件推荐
