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 3学时 霍锋
第1节 前言：背景与趋势
第2节 机器学习数学基础：线性代数、概率论
第3节 机器学习工作环境配置
第二章 传统计算模拟 6学时 霍锋
第1节 微观模拟手段：量化计算
第2节 微观模拟手段：分子模拟
第3节 Python操作实践：变量、循环和条件语句
第4节 宏观模拟手段：CFD仿真
第5节 宏观模拟手段：流程仿真
第6节 Python操作实践：函数、类和模块
第三章 大数据基础 3学时 霍锋
第1节 数据概念与特征
第2节 数据采集与存储
第3节 化工大数据案例实践
第四章 数据处理 6学时 霍锋
第1节 数据清洗与集成
第2节 数据转化与归约
第3节 化工数据处理实践：清洗、集成、转化与归约
第4节 数据分析
第5节 数据可视化
第6节 化工数据处理实践：分析与可视化
第五章 机器学习 9学时 刘亚伟
第1节 机器学习基础：概念，基本流程，scikit-learn库
第2节 机器学习——回归
第3节 机器学习——分类
第4节 化工机器学习实践：回归和分类
第5节 机器学习——聚类
第6节 机器学习——降维
第7节 化工机器学习实践：聚类和降维
第六章 深度学习 9学时 刘亚伟
第1节 深度学习基础：概念，基本流程，pytorch库
第2节 深度学习——前馈神经网络算法
第3节 深度学习——卷积神经网络算法
第4节 化工深度学习实践
第5节 深度学习——循环神经网络算法
第6节 深度学习——Transformer算法
第7节 化工深度学习实践
第七章 化工与人工智能综合案例 2学时 刘亚伟
第1节 化工与人工智能综合案例解析
第2节 化工与人工智能综合案例实践
第八章 考试 2学时 刘亚伟
第1节 考试

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