检索范围：
排序： 展示方式：
使用分布式富碳废弃物模块化生产附加值产品及燃料 Perspective
Robert S. Weber, Johnathan E. Holladay
《工程（英文）》 2018年 第4卷 第3期 页码 330-335 doi: 10.1016/j.eng.2018.05.012
我们对电解反应堆进行了改造和表征，以完善区域和社区规模的废物向燃料或化学品的转换。整个过程必须能够适应各种原料以及具有内在的安全性，并且不应依赖外部设施获得共反应物或增加排热量和供热量。我们目前正在研究将电化学过程用于将生物油通过水热液化转化为燃料或更高价值化学品所需的进一步转化。我们和其他研究者已经证明，电化学还原可以提供足够的反应速率，以及在很小的程度上提供一些必要的通用性。此外，电化学反应器必须在反应器的一侧氧化（去除电子）并在另一侧还原（添加电子）。因此，原则上，这两种类型的反应可以结合以升级生物油，并同时改善在上游水热液化中用作反应物和载体的水。在这里，我们对假定流程、可能的转换化学和水热液化电化学过程的经济性进行了概述。
关键词： 减少污染物的产生和排放 化学工程
化学工程中机器学习的优势、限制、机会和挑战 Perspective
Maarten R. Dobbelaere, Pieter P. Plehiers, Ruben Van de Vijver, Christian V. Stevens, Kevin M. Van Geem
《工程（英文）》 2021年 第7卷 第9期 页码 1201-1211 doi: 10.1016/j.eng.2021.03.019
化学工程师依靠模型进行工程设计、研究和日常决策制定，因为这些工作通常会伴有较大的财务和安全方面的风险。数十年来，将人工智能和化学工程进行有机结合用于建模的努力仍未满足预期效果。在过去的五年中，数据和计算资源的可获性不断提高，使基于机器学习的研究再度兴起。研究者最近努力为化学应用和新的机器学习框架开发大型数据库、基准测试集和表征，这些努力促进了机器学习技术在研究领域的推广。与传统建模技术相比，机器学习具有显著的优势，包括灵活性、精度和执行速度。然而，现在人工智能研究最大的挑战是不恰当的使用，因为大多数化学工程师只在计算机科学和数据分析方面受到有限的培训。尽管如此，机器学习肯定也会成为化学工程师建模工具箱中值得信赖的基础工具。
下一代锂电池在能源化学工程方面的研究进展 Review
张学强, 赵辰孜, 黄佳琦, 张强
《工程（英文）》 2018年 第4卷 第6期 页码 831-847 doi: 10.1016/j.eng.2018.10.008
化学工程师的主动机器学习 Perspective
Yannick Ureel, Maarten R. Dobbelaere, Yi Ouyang, Kevin De Ras, Maarten K. Sabbe, Guy B. Marin, Kevin M. Van Geem
《工程（英文）》 2023年 第27卷 第8期 页码 23-30 doi: 10.1016/j.eng.2023.02.019
By combining machine learning with the design of experiments, thereby achieving so-called active machine learning, more efficient and cheaper research can be conducted. Machine learning algorithms are more flexible and are better than traditional design of experiment algorithms at investigating processes spanning all length scales of chemical engineering. While active machine learning algorithms are maturing, their applications are falling behind. In this article, three types of challenges presented by active machine learning—namely, convincing the experimental researcher, the flexibility of data creation, and the robustness of active machine learning algorithms—are identified, and ways to overcome them are discussed. A bright future lies ahead for active machine learning in chemical engineering, thanks to increasing automation and more efficient algorithms that can drive novel discoveries.
关键词： Active machine learning Active learning Bayesian optimization Chemical engineering Design of experiments
宋湛谦
《中国工程科学》 2001年 第3卷 第2期 页码 1-6
林产化学工业是将可再生的森林资源经过化学加工生产出各种有用的产品。它是森林资源高效可持续利用的一个重要组成部分。文章介绍我国林产化学工业的现状，并指出今后发展方向，即加强创新研究，开发深加工产品；推进林产化工企业向大型化发展；发展木材制浆造纸和开发木质能源。
陈善广
《中国工程科学》 2007年 第9卷 第9期 页码 30-34
航天医学工程是伴随着我国 近40年载人航天的发展，孕育催生的 一门新兴学科，具有特色鲜明的学科 理论体系和实践技术方法。概述了航 天医学工程的体系构成、研究内容和学科特点。
关键词： 航天医学工程 载人航天 系统工程
李瑾,胡山鹰,陈定江,宋晓旭,张群,樊炯明,李光耀,马淑杰,金涌
《中国工程科学》 2017年 第19卷 第3期 页码 72-79 doi: 10.15302/J-SSCAE-2017.03.011
“十三五”以来，我国化学工业的绿色发展取得了显著进步，在产品产量提高的同时，资源消耗、能源消耗、污染排放均实现了大幅减少要实现化学工业的绿色发展，除了要关注化工行业自身的绿色制造，还要关注化工产业与其他行业、与社会进行产业链接时的绿色协调发展。本文在对我国化学工业绿色发展现状进行分析的基础上，给出我国化工行业绿色发展的方向，提出化学工业绿色制造产业链接的关键技术，并通过五个企业案例进行典型模式分析。
李再婷
《中国工程科学》 1999年 第1卷 第2期 页码 67-71
刘樑,张雨涵,李梦悦,蒋攀,曾静,范国滨
《中国工程科学》 2022年 第24卷 第5期 页码 177-186 doi: 10.15302/J-SSCAE-2022.05.022
大科学工程是国家科技创新的重要研发平台，研究工程运行和科技研发全过程创新要素及其创新体系建构，对充分发挥大科学工程的科学效益具有重要作用。本文在分析大科学工程创新体系建构需求的基础上，梳理提炼了国内外不同领域大科学工程创新活动中的创新要素，构建出大科学工程创新体系；选取我国神光-Ⅲ工程开展实证研究，为我国各领域大科学工程的创新体系建构提供了一般范式研究认为，大科学工程创新体系是在创新环境的推动下，创新主体、创新环节和创新资源要素协同开展创新活动并实现创新目标的动态系统；大科学工程创新体系注重四大创新要素的横向协调及创新主体和资源的纵向协同。研究建议，大科学工程创新体系的管理实践需重视核心创新主体的主导作用、创新参与主体的跨界融合、创新资源的有效配置以及创新环境的动态变化，以此形成创新要素有效协同、创新活动高效开展的互动创新体系。
屠海令, 张兴栋
《工程（英文）》 2021年 第7卷 第12期 页码 1653-1654 doi: 10.1016/j.eng.2021.10.005
电化学微反应技术的工程研究进展——一种新型有机化合物电合成方法 Review
郑思源, 闫俊妤, 王凯
《工程（英文）》 2021年 第7卷 第1期 页码 22-32 doi: 10.1016/j.eng.2020.06.025
电化学方法环境友好，在有机化学合成中具有独特的优势。然而，传统的电化学反应器存在复杂的传递问题，限制了电化学方法的应用。本文从过程强化的角度讨论了在电合成中使用微通道的工程优势，分析了最近报道的电化学微反应器中的流型和传质行为，并列举了反应器放大的典型例子。作为一个相对较新的研究领域，在微反应器中进行电合成的许多科学规则和工程特征都有待研究。因此本文提出了潜在的研究重点，认为其对新型电合成技术的发展至关重要。
标题 作者 时间 类型 操作
化学工程中机器学习的优势、限制、机会和挑战
Maarten R. Dobbelaere, Pieter P. Plehiers, Ruben Van de Vijver, Christian V. Stevens, Kevin M. Van Geem
期刊论文
化学工程师的主动机器学习
Yannick Ureel, Maarten R. Dobbelaere, Yi Ouyang, Kevin De Ras, Maarten K. Sabbe, Guy B. Marin, Kevin M. Van Geem
期刊论文
京公网安备 11010502051620号
