Aug, 2023

深度强化学习在过程设计中的应用：综述与展望

PDF
TL;DR转向可再生能源和原料供应的化工行业需要新的概念性工艺设计方法。最近，人工智能的突破为加速这一转型提供了机会。特别是深度强化学习作为机器学习的一个子类，已显示出解决复杂决策问题和辅助可持续工艺设计的潜力。我们通过三个主要元素调查了强化学习在工艺设计中的最新研究：（i）信息表示，（ii）智能体体系结构和（iii）环境和奖励。此外，我们讨论了潜在挑战的观点和有前景的未来工作，以充分发挥化工工程中强化学习的潜力。
renewable energyfeedstock supplyconceptual process designartificial intelligencereinforcement learning
发现论文，激发创造
  • 深度强化学习揭示无需先验知识分离共沸混合物的过程

    化学工程中的流程综合是一个复杂的规划问题，深度强化学习代理在无先验知识的情况下展现出在不同化学系统中分离二元共沸混合物的能力，并在考虑不同进料组成和概念方法的情况下学习到了近乎最优的流程图，突显了代理的规划灵活性。

    Oct, 2023

  • 通过迁移学习促进过程控制的强化学习：观点

    这篇论文从迁移学习的角度提供了关于深度强化学习（DRL）在过程控制中的见解。我们分析了在过程工业领域应用 DRL 的挑战和引入迁移学习的必要性。此外，还提供了关于如何将迁移学习与 DRL 整合以增强过程控制的未来研究方向的建议和展望。

    Mar, 2024

  • 探索化学空间的好奇心：深度分子强化学习的内在奖励

    本研究提出了一种灵感来源于好奇心的算法来帮助增强学习智能体在化学空间中实现高效探索，并在三个基准测试中展示了好奇心智能体可以找到表现更好的分子。这可能将带来出人意料的新分子，从而打破药物和材料发现领域。

    Dec, 2020

  • 结构导向的材料和工艺设计中的机器学习

    近年来，加速材料创新引起了学术界和工业界的广泛关注。为了为新型先进材料的开发增添价值，必须考虑制造过程，并将材料设计方法与下游工艺设计相结合。本研究提出了一种整体优化方法，涵盖了整个材料的过程 - 结构 - 性能链。采用机器学习技术解决了两个关键的识别问题，即材料设计问题和工艺设计问题。我们应用强化学习与多任务学习的优化方法，在金属成型过程中制造具有所需属性的晶体纹理，展示了该方法的功能。

    Dec, 2023

  • 机器维护规划、调度政策和优化的强化学习和深度强化学习解决方案

    该论文综述了强化学习和深度强化学习在维护计划和优化问题上的应用，介绍了利用条件监控数据和强化学习开发智能维护规划者的方法，以及该领域的研究差距、关键见解和未来工作领域。

    Jul, 2023

  • 能源系统中为何需要强化学习解释

    经济发展导致基础设施复杂度的急剧增加，同时，从化石燃料转向可再生能源，迫切需要能够准确预测和预测的系统，并且帮助理解预测过程。人工智能和机器学习技术已经在能源部门找到了良好的解决方案，然而，令人信服的最先进技术如强化学习的使用并不令人惊讶。本文讨论了强化学习技术在能源系统中的应用以及这些模型解释如何有帮助。

    May, 2024

  • 能源系统高效设计与控制的强化学习

    通过引入一个新的强化学习框架来解决可再生能源系统中设计和控制的协同优化问题，可以提高可再生能源的整合和系统效率，推动能源管理领域的强化学习应用，实现可再生能源的更高效和更有效利用。

    Jun, 2024

  • 深度强化学习

    本文概述了深度强化学习的核心元素，机制和应用，讨论了 RL 的背景，价值函数，策略，奖励等关键元素，注意和记忆等重要机制以及包括游戏，机器人，自然语言处理，计算机视觉，金融等在内的应用领域。

    Oct, 2018

  • 深度强化学习教科书

    本书提供了深度强化学习领域的全面概述，主要涵盖了建立领域基础，算法和应用，同时介绍了一些先进主题，如深度多智能体强化学习、深层次强化学习和深元学习；本书适用于人工智能的研究者、从业者和研究生，假定读者具有本科水平的计算机科学和人工智能理解，编程语言使用 Python。

    Jan, 2022

  • 未来能源与碳中和的强化学习挑战设计

    本研究探讨了随着气候变化对能源生产和消费管理的需求的增加，如何利用深度增强学习算法管理未来的法国电力网络，促进使电力运输网络更好地平衡生产和消费、最小化能量损失以及尽可能地确保人员和设备安全，旨在达到 2030 年法国碳排放净零的目标。

    Jul, 2022