
路博润用AI和云计算加速特种化学品研发
来源标题:Innovating with AI in the specialty chemicals industry
特种化学品制造商路博润正在构建连接业务流程、现代数据平台和云基础设施的数字基础,以支持研发团队加速创新。公司IT副总裁Girish Rao表示,目标是将数十年积累的技术数据与化学家和工程师的专业知识结合,让数据科学家在物理实验前识别模式、验证假设并建模。他强调这不是取代科学判断,而是为科学家提供更好的工具。
以下正文由 AI 翻译自 MIT Technology Review(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
随着企业寻求借助人工智能、云计算和先进建模来加速创新,主要挑战在于如何将新技术与可靠数据、科学专业知识以及产品走向市场的现实条件连接起来。对于特种化学品制造商Lubrizol而言,数字化转型的核心就是为研究人员提供工具,让他们能更快验证想法、做出更有依据的决策,并开发出更可持续的材料而不牺牲性能。
Lubrizol信息技术副总裁Girish Rao表示,公司正在构建一个数字基础,将业务流程、现代数据平台和云基础设施连接起来,以支持其研发(R&D)团队。他们的目标是将数十年积累的技术数据与化学家和工程师的深厚专业知识相结合——这些人既了解客户需求,也清楚其工作的物理限制。数据科学家可以帮助识别模式、检验新假设,并在研究人员进行物理实验之前对各种可能性建模。但Rao强调,“这不是要取代科学判断,而是给我们的科学家更好的工具。”
科学家、数据科学家和IT团队从不同角度处理问题,分别优先考虑实验有效性、模型性能以及平台安全性和可扩展性。通过将这些群体聚集在“融合团队”中,Lubrizol让他们围绕共同目标协同工作,从小型试点项目开始建立信任。
“一旦团队成员之间建立了信任,并且他们知道自己即将创造什么价值,”Rao说,“事情就会顺利得多。”云基础设施还使公司能够灵活获取计算资源和现代工具,而无需进行建设和维护自有数据中心所需的大规模投资。
这些能力在推进可持续发展方面可能尤其有价值。数字建模可以帮助研究人员评估更多配方,探索淀粉和玉米基替代材料等材料,并评估产品整个生命周期中的取舍。在实验室中承诺一种材料只是第一步。在满足性能预期、监管要求和财务约束的同时扩大生产,仍然是一场走钢丝,但AI对多个变量建模的能力可以帮助团队应对这些相互竞争的需求。
展望未来,Rao预计,随着实验室变得更智能、制造工厂变得更高效,AI、自动化、先进建模、数字孪生和互联数据将汇聚融合。他认为,机会在于以负责任的方式大规模整合这些能力。“这不仅仅是单一技术。我认为这是所有这些技术的结合,而连接所有这些流程的能力将产生海量数据。”
本次网络研讨会与Infosys合作制作。
本内容由Insights制作,Insights是《麻省理工科技评论》的定制内容部门,而非其编辑团队。内容由人工研究和撰写,可能使用的任何AI工具仅限于人工监督下的生产流程。
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。