洁净煤技术

作者：穆林, 王震, 孙萌, 高佳佳, 尚妍, 东明, 陈建标

关键词：化学链技术,机器学习,载氧体,载氧体性能预测,代理模型

系统综述了机器学习在化学链技术中的应用现状、关键挑战与未来发展方向。化学链技术作为一种高效的碳捕集与能源转化途径，其核心在于载氧体的设计与反应系统的优化。传统研究方法依赖试错实验与计算模拟，成本高、周期长。机器学习通过数据驱动建模，在高通量筛选、反应器优化、过程控制等方面展现出强大潜力。首先介绍了化学链技术与机器学习的基本概念，随后重点探讨了机器学习在载氧体性能预测、合成路径优化、反应器建模、流程模拟与故障诊断等方面的最新研究进展。最后，总结了当前面临的数据稀缺、模型可解释性不足、跨体系泛化能力弱等挑战，并展望了物理信息机器学习、联邦学习以及数字孪生等未来发展方向，以推动化学链技术的智能化与工业化进程。

来源：2026年第2期

《洁净煤技术》期刊编辑部

查看洁净煤技术杂志2026年第2期