——数科学院『AI for Engineering』团队创新探索与实践

在全球工业面临系统复杂度攀升、效率竞争白热化与可持续发展迫切需求并存的今天，数据科学学院前瞻布局，确立“AI for Engineering”核心研究方向，由国家级人才王殿辉教授领衔，以“高起点布局、深层次交叉、开放性协作、特色化发展”为原则，致力于打造人工智能与工程科技融合的创新引擎。

学院积极响应教育强国、制造强国与科技强国战略，紧密对接山东省“十强”现代优势产业集群，依托学校优势学科，深度融入智能化工研究院建设，着力构建国内顶尖的“AI+化工”交叉学科创新高地，推动人工智能与化工行业实现系统性、深层次的融合，赋能产业变革与可持续发展。

战略布局，响应产业变革与国家需求

当前，全球能源化工行业正经历一场以绿色化、低碳化、智能化为方向的深刻变革。推动化工行业与人工智能深度融合，不仅是产业转型升级的必然要求，更是增强国家产业链供应链安全与韧性的战略需要。

团队敏锐把握这一趋势，在王殿辉教授带领下，将人工智能技术与化工工艺流程优化、智能控制系统升级及全链条安全管控紧密结合，其工作精准对接了制造强国、科技强国及绿色低碳高质量发展等国家战略。这一布局与学校在流程工业系统优化控制方面的科研优势一脉相承，为建设交叉学科创新高地、拔尖人才培养重镇与高端成果转化枢纽提供强大支持。

理论创新，攻克工业智能核心瓶颈

王殿辉教授创建的深度随机配置网络学习理论，从根本上解决了长期存在于随机学习技术中的核心问题，突破了传统神经网络训练算法的限制，并进一步提出了具有轻量、可解释性的随机配置学习机理论。这一进展不仅推动了随机学习理论的进步，也促进了边缘计算工业应用中轻量级计算单元的发展，具有重要的理论与工程价值。

团队首次提出学习模型复杂度概念及相关定理，为机器学习理论体系的完善作出了贡献。这些原创性理论工作，使得团队能够针对工业过程中建模、控制与优化的瓶颈问题，发展出更为高效、可靠的解决方案。

交叉融合，以有组织科研攻关真实难题

团队突破了传统学科壁垒，以化工产业真实难题为导向，开展有组织的科研攻关。围绕“化工过程智能建模与优化”“低碳运行与安全预警”等前沿方向，形成了从基础理论、关键技术到工程应用的完整创新链。

团队面向工业控制与预测的轻量化随机配置学习理论研究、AI赋能的复杂工业过程预测控制与数字孪生技术、AI赋能的化工/橡胶生产过程低碳运行优化，以及AI赋能的化工安全预警与应急响应四大重点研究方向，推动前沿人工智能理论与学校特色鲜明的橡胶、化工等工艺相结合，致力于研发自主可控的工业软件与智能系统，将轻量化随机配置网络应用于复杂反应过程的实时优化与故障诊断，显著提升了生产效能与安全性。

产业赋能，校企合作驱动重点行业转型

团队始终坚持“从产业中来，到产业中去”的研发理念，与行业头部企业共建实践平台，将产业最前沿课题引入研发全过程。

在橡胶工业领域，团队与赛轮集团合作，聚焦于橡胶密炼环节中的质量控制问题，开展基于过程数据挖掘与分析的门尼系数预测及密炼控制优化研究，致力于提升橡胶密炼加工工艺水平。在新能源领域，与新疆新特能源股份有限公司合作，开展“多晶硅还原炉智能优化控制技术研发及产业化应用”攻关，针对产品一致性差、单位电耗高的行业痛点，构建融合机理的工业时序模型与视觉检测大模型，推动多晶硅产业向高效、低碳、智能化转型。在矿产资源开发领域，与紫金矿业携手，以随机配置网络为基础，融合小概率重要事件预测技术，研究矿产开采过程中的数据建模与关键参数预测，为矿产资源安全高效开采提供技术保障。这些创新研究，是推动传统化工学科从“经验驱动”向“数据与模型驱动”转型升级的核心引擎。随着AI技术在工业领域的应用不断深化，团队提出的轻量随机配置学习理论正在国内多个工业场景中展现其价值。

团队未来将继续以国家战略需求为导向，在低比特轻量计算模型、可解释性机器学习等前沿方向持续攻关，并深化与行业龙头企业的合作，为制造强国与绿色低碳发展贡献更多青科大智慧与力量。

（通讯员 陈卓 孙振 齐强）