怀柔实验室山西研究院举行“AI赋能碳氢科技（煤科学）”专题学术活动
9月3日，怀柔实验室山西研究院成功举办“AI赋能碳氢科技（煤科学）”专题学术活动。本次活动聚焦人工智能与煤科学深度融合创新，围绕AI赋能煤科学展开深度研讨，推动人工智能技术深度嵌入煤炭基础理论探索、核心技术研发与工程化示范全过程，为煤炭产业转型升级、助力国家能源转型与“双碳”目标实现贡献智慧力量。
中国工程院院士凌文、中控技术股份有限公司董事长崔山、煤液化气化及高效低碳利用全国重点实验室主任孙启文、中国科学院自动化研究所副所长曾大军、中国科学院大连化学物理研究所研究员叶茂、中国科学院青岛生物能源与过程研究所研究员田亚峻，以及山西焦煤集团党委副书记、副董事长、总经理任希杰，总工程师要华伟等科研院所、企业专家代表参加活动。
与会院士专家实地参观研究院实验楼，现场调研煤温和液化、煤气化、循环流化床灵活发电、低阶煤热解、碳捕集等煤炭高效清洁利用科研平台，察看阴离子交换膜电解水制氢等前沿技术科研平台建设进展。重点考察了AI与煤科学交叉创新方向科研进展，包括煤炭分子信息库建设、AI辅助催化剂设计、反应过程智能预测等，同一线科研人员就煤科学领域科学数据积累、实验表征数字化、AI模型与煤机理融合落地痛点等现实问题开展充分交流。
座谈会召开前，怀柔实验室山西研究院与中控技术股份有限公司签署战略合作协议。双方将立足各自资源优势，围绕AI赋能煤科学创新开展协同攻关，推进煤转化领域智能技术研发、科研成果转化应用，共同助力煤炭产业高质量发展。
座谈会上，各位专家围绕AI赋能碳氢科技的技术路径、关键瓶颈、产业落地场景充分研讨，探索以人工智能破解煤科学研究难点、赋能煤炭产业技术迭代的实现路径，为煤炭产业实现高端化、多元化、低碳化发展提供智力支撑。凌文院士在总结发言中指出，怀柔实验室山西研究院要立足国家需求和煤炭行业整体发展谋划人工智能创新布局，充分发挥国家级平台优势，加快建设AI生态与数字孪生体系，以“边界+试错+迭代”的方法论推动煤炭清洁利用范式变革。建议进一步推动人工智能进入技术研发、配方设计、催化剂与材料开发、工艺优化、装备开发以及工程组织等不同层级，真正解决煤炭科技创新和产业发展中的实际问题。
下午，专题学术报告环节接续举行，四位专家围绕AI与煤科学融合发展带来高水平主旨演讲，分享前沿理论成果与产业实践经验。
中控技术股份有限公司AI业务总监陈真生作题为《工业AI在煤化工行业的实践与探索》的报告。报告直面煤化工工艺复杂、装置耦合度高、工况波动大的行业痛点，介绍TPT时间序列大模型与UCS控制系统组成的AOP自主运行工厂技术体系。通过报警治理、设备维护、质量预测等多款工业智能体，结合煤化工项目实例，展示工业AI在装置稳控、安全生产、节能降碳上的实际效果，探讨AI由生产运行向煤转化研发拓展的方向，给出煤化工智能化可落地实施路径。
中国科学院自动化研究所副所长曾大军作题为《磐石・科学基础大模型》的报告。报告结合全球AI for Science发展现状，对比中美科学大模型技术路线，介绍磐石2.0“通专一体”整体架构。介绍波、谱、场模态基座、高质量科学推理数据集、智能体工厂、文献罗盘等核心能力，列举材料、流体仿真等跨学科应用。磐石作为科研操作系统，打通“数据－工具－智能体－算力”链路，可为煤科学、碳氢转化研究提供底层智能支撑，破解数据零散、机理推演困难等问题。
中国科学院大连化物所研究员叶茂作题为《智能化工大模型研究进展》的报告。报告指出传统化工过程研发存在试错成本高、研发周期长、行业知识难以复用等痛点问题，梳理介绍了智能化工大模型的发展历程，并对最新发布的3.0Pro版本及其相关技术进展进行详细阐释。3.0Pro版本实现了从“专业知识问答模型” 到“化工任务智能执行系统”的重要跨越，推动智能化工大模型由“能理解、会回答”迈向“能规划、会执行、可验证”；其定位也从辅助知识获取的“专业助手”，升级为可与专业人员协同完成复杂任务的“智能工程伙伴”，为化工研发、工程设计以及生产运行的智能化转型提供了全新的技术底座。
中国科学院青岛生物能源与过程研究所研究员田亚峻作了题为《煤炭定向转化的智能设计》的报告。当前煤科学及技术研发主要依赖经验试错，且科研数据分散，制约了研究效率。针对这一短板，报告提出了煤炭定向转化的智能设计新思路。该思路依托泛能源大数据，通过构建煤微观解析与热解反应数据库，探索煤转化机理知识与人工智能模型的深度融合路径。以产物预测和煤基功能材料智能筛选为应用实例，显示AI技术能够有效缩短煤转化研发周期，并实现从原料特征到目标产物的逆向设计。这一研究为革新煤转化科研范式提供了新思路。
本次专题活动搭建起高水平跨领域交流平台，围绕AI赋能煤科学开展前沿成果分享、技术路径研讨与产业经验互鉴，怀柔实验室山西研究院将持续深耕AI与煤科学交叉融合创新，着力打通煤科学基础研究、AI模型开发到工程示范落地的完整创新链条，进一步推动人工智能与碳氢科技深度耦合，为能源化工领域科研攻关、人才培育与产业创新注入新动能。