化工与人工智能

课程编码：180210081701P3005H 英文名称：Chemical Engineering and Artificial Intelligence 课时：40 学分：2.00 课程属性：专业课 主讲教师：霍锋等

本课程是是一门将人工智能方法应用在化工领域的新兴交叉学科，它吸收了当代化学、物理、数学、信息等学科的最新理论和技术，形成一门独立的学科。其内容包括传统计算模拟技术、大数据技术、机器学习和深度学习算法等，及其在化工领域中的具体应用。旨在提高化工过程研发效率、优化升级化工学科的理论方法，实现化工学科的绿色高效、可持续高质量发展。
通过本课程的学习，使学生掌握人工智能的基本概念、基本理论、基本方法等基础知识，了解人工智能在化工过程研发中的应用及发展前景，认识化工过程开发与人工智能对化工学科发展的影响；使学生熟悉大数据技术的理论与方法，了解相关编程语言和机器学习算法，以及如何使用相关的数据挖掘工具软件。建立新的发展理念，为今后从事智能化工相关领域研究奠定基础。

化工热力学、线性代数、概率论与数理统计

第一章 导论
第1节 化工与人工智能交叉的背景及兴起 1学时 霍锋
第2节 化工与人工智能的研究内容及特点 1学时 霍锋
第3节 国内外智能化工战略计划和发展概况 1学时 霍锋
第二章 化工中传统计算模拟的理论与技术
第1节 化工计算模拟手段的发展历史 2学时 霍锋
第2节 主流化工计算模拟理论与技术 2学时 霍锋
第3节 化工计算模拟软件基础及案例 2学时 霍锋
第三章 大数据
第1节 大数据的概念与资源化意义 1学时 霍锋
第2节 数据的结构、属性与存储 1学时 霍锋
第3节 大数据分析方法和传统方法的比较 1学时 霍锋
第四章 数据挖掘与预处理
第1节 数据挖掘的概念与技术特点 1学时 刘亚伟
第2节 数据挖掘的模型与实施步骤 2学时 刘亚伟
第3节 数据挖掘的评估与可视化 2学时 刘亚伟
第4节 数据问题类型和预处理方法 1学时 刘亚伟
第五章 机器学习算法
第1节 聚类、分类分析概要与算法 2学时 刘亚伟
第2节 关联、回归分析概要与算法 2学时 刘亚伟
第3节 预测、诊断算法概要与方法 2学时 刘亚伟
第4节 优化问题与典型算法 1学时 刘亚伟
第5节 人工神经网络算法概要 1学时 刘亚伟
第六章 深度学习算法及应用
第1节 深度学习基本概念、模型和方法 2学时 刘亚伟
第2节 深度学习的最新进展 2学时 刘亚伟
第3节 深度学习加速化工计算模拟原理与案例 2学时 刘亚伟
第七章 人工智能在化工中的应用案例
第1节 机器学习预测材料性质的应用案例 4学时 刘亚伟
第2节 机器学习预测和优化单元操作及过程流程 4学时 霍锋

霍锋, 特聘研究员，中科院过程所，从事离子液体分子模拟与智慧能源系统研究；刘亚伟，研究员，中科院过程所，从事软物质分子模拟与智能算法研究