本课题组的研究集中在以下几个方向：

（1）安全方向（化工过程故障诊断、智能风险评估及预测预警）

  采用SFA、CNN、PCA以及距离编码热图等多种手段对化工故障进行智能诊断，减少运行状态监测、预警和分析不到位的问题。通过ALOHA软件对化工过程中不同场景状态下（包括外界气温、是否下雨、风速、昼夜温差等环境因素）的风险进行智能评估。利用机器学习算法搭建出风险预测模型，然后筛选出关键风险变量，并研究其最优的控制方案。利用智能模型建立的风险预测模型，对工艺流程进行优化以及设计新型安全仪表系统。

（2）人工智能方向（机器学习辅助助剂筛选、代理模型构建及自主优化）

  采用微动力学-机器学习等方法表征描述符，实现高通量催化剂筛选和逆向设计。通过数据和机理建模融合的方法进行微小泄漏故障诊断，通过卷积分层等特征提取方法实现动态过程诊断，提高黑箱模型的可解释性。利用代理模型驱动实现化工过程操作和设计变量在不可行域的多目标优化，开发嵌入式元模型知识的强化学习实现化工过程的自主优化。

（3） 环保方向（化工复杂工艺优化、清洁生产及能源结构升级）

  聚焦于化学链技术在减少二氧化碳排放方面的前沿应用，着重于煤和生物质转化、复合载氧体设计、反应器改进以及超临界二氧化碳发电方面的研究。通过采用多种新型研究方法，如分子模拟、流程模拟、理论计算和实验测试，以及多尺度、多策略的研究手段实现对CO2转化和利用过程的动态模拟、系统优化，以及环境保护方面的开发工作。同时，还专注于确保相关装置的安全、稳定和高效运行。