Chemical engineers rely on models for design, research, and daily decision-making, often with potentially large financial and safety implications. Previous efforts a few decades ago to combine artificial intelligence and chemical engineering for modeling were unable to fulfill the expectations. In the last five years, the increasing availability of data and computational resources has led to a resurgence in machine learning-based research. Many recent efforts have facilitated the roll-out of machine learning techniques in the research field by developing large databases, benchmarks, and representations for chemical applications and new machine learning frameworks. Machine learning has significant advantages over traditional modeling techniques, including flexibility, accuracy, and execution speed. These strengths also come with weaknesses, such as the lack of interpretability of these black-box models. The greatest opportunities involve using machine learning in time-limited applications such as real-time optimization and planning that require high accuracy and that can build on models with a self-learning ability to recognize patterns, learn from data, and become more intelligent over time. The greatest threat in artificial intelligence research today is inappropriate use because most chemical engineers have had limited training in computer science and data analysis. Nevertheless, machine learning will definitely become a trustworthy element in the modeling toolbox of chemical engineers.

化学工程师依赖模型进行设计、研究和日常决策，通常具有潜在的巨大财务和安全影响。几十年前之前将人工智能和化学工程结合起来进行建模的努力无法实现预期。在过去五年中，数据和计算资源的可用性不断提高，导致基于机器学习的研究重新兴起。最近的许多努力通过为化学应用和新的机器学习框架开发大型数据库、基准和表示，促进了机器学习技术在研究领域的推广。机器学习与传统建模技术相比具有显着优势，包括灵活性、准确性和执行速度。这些优势也伴随着劣势，例如这些黑盒模型缺乏可解释性。最大的机会涉及在时间有限的应用程序中使用机器学习，例如实时优化和规划，这些应用程序需要高精度并且可以建立在具有自学习能力的模型上，以识别模式、从数据中学习并随着时间的推移变得更加智能. 当今人工智能研究的最大威胁是不当使用，因为大多数化学工程师在计算机科学和数据分析方面的培训有限。尽管如此，机器学习肯定会成为化学工程师建模工具箱中值得信赖的元素。最大的机会涉及在时间有限的应用程序中使用机器学习，例如实时优化和规划，这些应用程序需要高精度并且可以建立在具有自学习能力的模型上，以识别模式、从数据中学习并随着时间的推移变得更加智能. 当今人工智能研究的最大威胁是不当使用，因为大多数化学工程师在计算机科学和数据分析方面的培训有限。尽管如此，机器学习肯定会成为化学工程师建模工具箱中值得信赖的元素。最大的机会涉及在时间有限的应用程序中使用机器学习，例如实时优化和规划，这些应用程序需要高精度并且可以建立在具有自学习能力的模型上，以识别模式、从数据中学习并随着时间的推移变得更加智能. 当今人工智能研究的最大威胁是不当使用，因为大多数化学工程师在计算机科学和数据分析方面的培训有限。尽管如此，机器学习肯定会成为化学工程师建模工具箱中值得信赖的元素。当今人工智能研究的最大威胁是不当使用，因为大多数化学工程师在计算机科学和数据分析方面的培训有限。尽管如此，机器学习肯定会成为化学工程师建模工具箱中值得信赖的元素。当今人工智能研究的最大威胁是不当使用，因为大多数化学工程师在计算机科学和数据分析方面的培训有限。尽管如此，机器学习肯定会成为化学工程师建模工具箱中值得信赖的元素。