黨的二十大報告提出,，推動戰(zhàn)略性新興產(chǎn)業(yè)融合集群發(fā)展,，構(gòu)建新一代信息技術(shù)、人工智能,、生物技術(shù),、新能源,、新材料、高端裝備,、綠色環(huán)保等一批新的增長引擎,。生物質(zhì)能作為國際公認(rèn)的零碳可再生能源，具有綠色,、低碳,、清潔等特點,。厭氧消化是在厭氧條件下將有機質(zhì)轉(zhuǎn)化為綠色能源的過程，但其影響參數(shù)多,、關(guān)系復(fù)雜,，僅靠傳統(tǒng)的人力去找到數(shù)據(jù)間的內(nèi)在關(guān)系困難重重，而傳統(tǒng)的模型如ADM1也因為其計算速度等缺陷而難以廣泛應(yīng)用,。中國石油大學(xué)（北京）電氫化工團隊李葉青組近年來在人工智能+厭氧（干式,、濕式厭氧消化、厭氧促進劑,、水熱預(yù)處理,、沼氣制氫、大語言模型等）方向取得了系列進展,。
針對工業(yè)沼氣廠參數(shù)的高度非線性和不平衡問題,，我們提出了一種混合極端學(xué)習(xí)機模型(SMOTER-GA-ELM)，通過將機器學(xué)習(xí)技術(shù)與數(shù)據(jù)平衡技術(shù)和優(yōu)化算法相結(jié)合,，可解決不平衡數(shù)據(jù)來實現(xiàn)了對不同負(fù)荷下工廠沼氣產(chǎn)量的準(zhǔn)確預(yù)測,。相關(guān)成果開發(fā)成軟件助力濕式厭氧工廠高效產(chǎn)沼氣 (軟著號：2022SR0903828)，并以“Plant-scale biogas production prediction based on multiple hybrid machine learning technique”為題,，于2022年9月在國際知名學(xué)術(shù)期刊Bioresource Technology上發(fā)表,。論文鏈接：https://doi.org/10.1016/j.biortech.2022.127899.
此外，我們開發(fā)了基于樹的機器學(xué)習(xí)模型來描述生物炭特性與厭氧消化之間的復(fù)雜關(guān)系,，通過特征可解釋技術(shù)對生物炭對厭氧消化的影響提出了新的見解,，并開發(fā)一項軟件助力生物炭厭氧消化的性能預(yù)測(軟著號：2022R11L2047794)。相關(guān)成果以“Tree-based machine learning model for visualizing complex relationships between biochar properties and anaerobic digestion”為題,，于2023年2月在國際知名學(xué)術(shù)期刊Bioresource Technology上以當(dāng)期封面論文的形式發(fā)表,。論文鏈接：https://doi.org/10.1016/j.biortech.2023.128746.
針對工業(yè)規(guī)模車庫干發(fā)酵系統(tǒng)具有極強非線性的問題，我們提出了一種新型機器學(xué)習(xí)智能系統(tǒng),，它采用兩種自動機器學(xué)習(xí)算法(AutoGluon和H2O)進行沼氣性能預(yù)測,，并采用SHAP進行可解釋性分析，同時采用多目標(biāo)粒子群優(yōu)化對工業(yè)規(guī)模車庫干發(fā)酵進行預(yù)警指導(dǎo),，為下一代智能工業(yè)系統(tǒng)鋪平了道路（軟著號：2023SR0452517）,。相關(guān)成果以“Novel intelligent system based on automated machine learning for multi objective prediction and early warning guidance of biogas performance in industrial-scale garage dry fermentation”為題，于2023年5月在國際知名學(xué)術(shù)期刊ACS ES&T Engineering上發(fā)表,。論文鏈接：https://doi.org/10.1021/acsestengg.3c00079.
基于先前基礎(chǔ),，我們研究了多層面關(guān)鍵因素對復(fù)雜厭氧消化系統(tǒng)的影響。提出了一個多層自動機器學(xué)習(xí)框架,，通過在多層次進行性能預(yù)測以了解厭氧消化系統(tǒng)中復(fù)雜的相互作用,，并探索了環(huán)境因素、微生物和系統(tǒng)層面的關(guān)鍵因素,，有望為理解各規(guī)模（工業(yè)和實驗室）厭氧消化系統(tǒng)的復(fù)雜結(jié)構(gòu)提供指導(dǎo),。相關(guān)成果以“Using automated machine learning techniques to explore key factors in anaerobic digestion: At the environmental factor, microorganisms and system levels”為題,，于2023年9月在國際知名學(xué)術(shù)期刊Chemical Engineering Journal上發(fā)表。論文鏈接：https://doi.org/10.1016/j.cej.2023.146069.
基于對于人工智能和厭氧消化的理解,，我們開發(fā)了國內(nèi)首個厭氧消化大語言模型ChatAD,，借助開源大模型，可實現(xiàn)無限長文本輸入,、圖片與視頻和文本的相互轉(zhuǎn)換,、實時網(wǎng)絡(luò)搜尋及提供專業(yè)解答，可為整個厭氧行業(yè)的高速發(fā)展提供支持,。
中國石油大學(xué)（北京）電氫化工科研團隊成立于2007年,，依托重質(zhì)油國家重點實驗室、生物燃?xì)飧咧道帽本┦兄攸c實驗室,、生物能源北京高等學(xué)校工程研究中心,、生物天然氣北京市國際科技合作基地、碳中和聯(lián)合研究院,、墾利綠碳創(chuàng)新研究院,、濮陽聯(lián)合研究院等國家級和省部級科研創(chuàng)新平臺開展科學(xué)研究和人才培養(yǎng)。團隊由徐春明院士領(lǐng)銜,、周紅軍教授為學(xué)術(shù)帶頭,，利用氫與綠電使鋼鐵、煉化及合成氨等工業(yè)脫碳研究優(yōu)勢突出,，主要在新能源,、新材料、綠碳與環(huán)保,、光催化,、電化工等領(lǐng)域開展低碳技術(shù)開發(fā)。
