AI赋能化工未来:清华大学化工系成功举办“AI+化工前沿论坛”

多客科技

作者：微信文章
为深化人工智能（AI）与化学工程交叉融合，加强青年学子跨院校交流，清华大学化学工程系于2025年5月24日在工物馆332教室成功举办“AI+化工前沿论坛”。本次论坛聚焦AI驱动的化工前沿技术，吸引了来自加州大学伯克利分校、北大、清华等学校众多师生参与，通过四场高水平学术报告，展示了AI在材料设计、催化剂开发、碳捕集及能源材料等领域的突破性应用。

论坛首先由化工系党委研工组组长陈翔老师致辞。他表示：“在人工智能深刻重构科学研究的时代背景下，我们齐聚清华园，共同开启‘AI+化工前沿论坛’的序幕。本次论坛聚焦‘AI+化工’交叉领域，汇聚了来自伯克利、北大、清华的前沿探索者。期待本次论坛成为激发创新思维的熔炉，推动‘实验室AI技术’走向‘产业化新引擎’，为我国化工低碳转型与高端制造注入清华智慧！”



图1 AI+化工前沿论坛海报

加州大学伯克利分校周子晖博士生首先系统介绍了其团队开发的共价有机框架材料革新碳捕集技术。通过精准调控COF-999与COF-709新型吸附材料的孔道结构与化学微环境，实现了大气中低浓度二氧化碳的高效捕集，其中疏水骨架设计有效抑制水分子竞争吸附，为碳中和目标提供了关键技术支撑。



图2 加州大学伯克利分校周子晖博士生作报告

清华大学高宇辰博士生提出了“数据与知识双驱动的电解液智能设计新方法”，构建了全球领先的二次电池电解液数据库（覆盖25 万分子），并基于此开发了知识嵌入的深度学习模型框架，精准预测20余种电解液关键性质，配套高通量自动化实验平台，大大加速电解液分子评测流程。



图3 清华大学高宇辰博士生作报告

清华大学陈宏浩博士生介绍了“AI驱动催化剂探索新方法”。其团队开发的CATDA框架基于大语言模型自动解析催化剂合成流程与性能数据，构建可追溯知识图谱，结合微调原子基座模型，将关键催化描述符预测速度提升至毫秒级，大幅加速了CO₂资源化催化剂的筛选。



图4 清华大学陈宏浩博士生作报告

北京大学李越博士生介绍了“AI驱动纳米碳材料合成”的创新方案。通过融合机器学习与自动化技术，开发了CARCO智能合成平台。高通量筛选后，发现了一种优于传统催化剂的Ti-Pt双金属体系，显著提升碳纳米管生长效率与均匀性，并首次实现碳纳米管水平阵列生长密度的精确控制，有望在碳基半导体领域发挥重要作用。



图5 北京大学李越博士生作报告

论坛由清华大学化工系主任张强老师致闭幕辞。他指出：“AI正深刻重构化工研发链条——从分子设计、过程优化到系统集成。本次论坛呈现的‘机器学习+实验自动化+大模型’融合路径，为化工低碳化与智能化提供了重要方法论支撑。”

本次论坛响应了国家“人工智能+战略”和流程工业高质量发展的重大需求，为青年学者搭建了高水平交流平台，充分探讨了AI与化学、化工、材料学科交叉发展前沿、当前挑战与未来重要方向，为解决新材料设计、绿色低碳转型等复杂化工问题提供了新思路和新动能，充分体现了清华化工系的前瞻视野与责任担当。

供稿 | 化工系

编辑 |张怡

审核 | 陈翔 欧宇 郑心怡



清华大学化学工程系

学生微信公众平台
卡安微信，有你更精彩！

来稿与建议请联系：
化学工程系学生会宣传部
xuanchuan@thucesu.com

微信号：kaanchem