黨的二十大報(bào)告提出，推動(dòng)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(zhǎng)引擎。生物質(zhì)能作為國(guó)際公認(rèn)的零碳可再生能源，具有綠色、低碳、清潔等特點(diǎn)。厭氧消化是在厭氧條件下將有機(jī)質(zhì)轉(zhuǎn)化為綠色能源的過(guò)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?yàn)槠溆?jì)算速度等缺陷而難以廣泛應(yīng)用。中國(guó)石油大學(xué)（北京）電氫化工團(tuán)隊(duì)李葉青組近年來(lái)在人工智能+厭氧（干式、濕式厭氧消化、厭氧促進(jìn)劑、水熱預(yù)處理、沼氣制氫、大語(yǔ)言模型等）方向取得了系列進(jìn)展。
針對(duì)工業(yè)沼氣廠參數(shù)的高度非線性和不平衡問(wèn)題，我們提出了一種混合極端學(xué)習(xí)機(jī)模型(SMOTER-GA-ELM)，通過(guò)將機(jī)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(lái)實(shí)現(xiàn)了對(duì)不同負(fù)荷下工廠沼氣產(chǎn)量的準(zhǔn)確預(yù)測(cè)。相關(guān)成果開(kāi)發(fā)成軟件助力濕式厭氧工廠高效產(chǎn)沼氣 (軟著號(hào)：2022SR0903828)，并以“Plant-scale biogas production prediction based on multiple hybrid machine learning technique”為題，于2022年9月在國(guó)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(kāi)發(fā)了基于樹的機(jī)器學(xué)習(xí)模型來(lái)描述生物炭特性與厭氧消化之間的復(fù)雜關(guān)系，通過(guò)特征可解釋技術(shù)對(duì)生物炭對(duì)厭氧消化的影響提出了新的見(jiàn)解，并開(kāi)發(fā)一項(xiàng)軟件助力生物炭厭氧消化的性能預(yù)測(cè)(軟著號(hào)：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(guó)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(duì)工業(yè)規(guī)模車庫(kù)干發(fā)酵系統(tǒng)具有極強(qiáng)非線性的問(wèn)題，我們提出了一種新型機(jī)器學(xué)習(xí)智能系統(tǒng)，它采用兩種自動(dòng)機(jī)器學(xué)習(xí)算法(AutoGluon和H2O)進(jìn)行沼氣性能預(yù)測(cè)，并采用SHAP進(jìn)行可解釋性分析，同時(shí)采用多目標(biāo)粒子群優(yōu)化對(duì)工業(yè)規(guī)模車庫(kù)干發(fā)酵進(jìn)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(hào)：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(guó)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(duì)復(fù)雜厭氧消化系統(tǒng)的影響。提出了一個(gè)多層自動(dòng)機(jī)器學(xué)習(xí)框架，通過(guò)在多層次進(jìn)行性能預(yù)測(cè)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(shí)驗(yàn)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(guó)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(duì)于人工智能和厭氧消化的理解，我們開(kāi)發(fā)了國(guó)內(nèi)首個(gè)厭氧消化大語(yǔ)言模型ChatAD，借助開(kāi)源大模型，可實(shí)現(xiàn)無(wú)限長(zhǎng)文本輸入、圖片與視頻和文本的相互轉(zhuǎn)換、實(shí)時(shí)網(wǎng)絡(luò)搜尋及提供專業(yè)解答，可為整個(gè)厭氧行業(yè)的高速發(fā)展提供支持。
中國(guó)石油大學(xué)（北京）電氫化工科研團(tuán)隊(duì)成立于2007年，依托重質(zhì)油國(guó)家重點(diǎn)實(shí)驗(yàn)室、生物燃?xì)飧咧道帽本┦兄攸c(diǎn)實(shí)驗(yàn)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(guó)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(yáng)聯(lián)合研究院等國(guó)家級(jí)和省部級(jí)科研創(chuàng)新平臺(tái)開(kāi)展科學(xué)研究和人才培養(yǎng)。團(tuán)隊(duì)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?jī)?yōu)勢(shì)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(kāi)展低碳技術(shù)開(kāi)發(fā)。
