研究团队展望化学工程领域主动机器学习的光明未来

化学工程研究人员拥有一个强大的新工具：主动机器学习。在最近发表在《工程》杂志上的一篇观点文章中，根特大学的KevinM.VanGeem的研究团队探讨了主动机器学习在彻底改变化学工程领域的潜力。通过将机器学习与实验设计相结合，主动机器学习有望提高涵盖化学工程各个领域的研究效率和成本效益。

与传统的实验算法设计相比，主动机器学习算法提供了更大的灵活性和卓越的性能。然而，尽管主动机器学习具有潜力，但它在化学工程中的应用仍然有限。该文章指出了阻碍其广泛采用的三个关键挑战：说服实验研究人员、确保数据创建的灵活性以及增强主动机器学习算法的稳健性。

VanGeem团队进行的调查强调了化学工程中主动机器学习的广泛应用。尽管如此，文章强调需要在实验研究人员中普及主动机器学习并克服现有障碍。为了应对这些挑战，本文建议机器学习专家和化学工程师之间的合作。

此次合作不仅可以提高人们对主动机器学习的认识，还可以促进基于特定实验单元和程序的算法的定制和优化。

为了克服初始实验选择次优的障碍，建议将迁移学习和主动学习与多保真度模型相结合。此外，本文还强调了采用通用主动机器学习算法以满足不同设置的约束的重要性，从而扩展了主动机器学习的应用领域。

主动机器学习有潜力彻底改变化学工程研究的各个方面，从分子和催化剂设计到反应和反应器设计。然而，为了释放其全部潜力，弥合机器学习专家和化学工程师之间的差距至关重要。通过这样做，不仅可以对主动机器学习算法进行微调，还可以提高这些算法的性能。

本文最后强调了在主动机器学习中协调可综合性和创造力的重要性。该领域有望取得的突破将使化学工程师能够利用主动机器学习作为重要工具，促进自主、高效的科学发现。最终，这将有助于未来化学工业的可持续发展。

《工程》杂志化学、冶金和材料工程学科编辑张楠评论道：“随着主动机器学习的不断成熟，化学工程师的未来一片光明。自动化程度的提高和更高效算法的开发将为我们铺平道路。”“该领域的新发现和进步。通过更好的协作和更广泛的采用，主动机器学习有望成为化学工程师工具包中值得信赖的资产。”