黨的二十大報告提出，推動戰略性新興產業融合集群發展，構建新一代信息技術、人工智能、生物技術、新能源、新材料、高端裝備、綠色環保等一批新的增長引擎。生物質能作為國際公認的零碳可再生能源，具有綠色、低碳、清潔等特點。厭氧消化是在厭氧條件下將有機質轉化為綠色能源的過程，但其影響參數多、關系復雜，僅靠傳統的人力去找到數據間的內在關系困難重重，而傳統的模型如ADM1也因為其計算速度等缺陷而難以廣泛應用。中國石油大學（北京）電氫化工團隊李葉青組近年來在人工智能+厭氧（干式、濕式厭氧消化、厭氧促進劑、水熱預處理、沼氣制氫、大語言模型等）方向取得了系列進展。
針對工業沼氣廠參數的高度非線性和不平衡問題，我們提出了一種混合極端學習機模型(SMOTER-GA-ELM)，通過將機器學習技術與數據平衡技術和優化算法相結合，可解決不平衡數據來實現了對不同負荷下工廠沼氣產量的準確預測。相關成果開發成軟件助力濕式厭氧工廠高效產沼氣 (軟著號：2022SR0903828)，并以“Plant-scale biogas production prediction based on multiple hybrid machine learning technique”為題，于2022年9月在國際知名學術期刊Bioresource Technology上發表。論文鏈接：https://doi.org/10.1016/j.biortech.2022.127899.
此外，我們開發了基于樹的機器學習模型來描述生物炭特性與厭氧消化之間的復雜關系，通過特征可解釋技術對生物炭對厭氧消化的影響提出了新的見解，并開發一項軟件助力生物炭厭氧消化的性能預測(軟著號：2022R11L2047794)。相關成果以“Tree-based machine learning model for visualizing complex relationships between biochar properties and anaerobic digestion”為題，于2023年2月在國際知名學術期刊Bioresource Technology上以當期封面論文的形式發表。論文鏈接：https://doi.org/10.1016/j.biortech.2023.128746.
針對工業規模車庫干發酵系統具有極強非線性的問題，我們提出了一種新型機器學習智能系統，它采用兩種自動機器學習算法(AutoGluon和H2O)進行沼氣性能預測，并采用SHAP進行可解釋性分析，同時采用多目標粒子群優化對工業規模車庫干發酵進行預警指導，為下一代智能工業系統鋪平了道路（軟著號：2023SR0452517）。相關成果以“Novel intelligent system based on automated machine learning for multi objective prediction and early warning guidance of biogas performance in industrial-scale garage dry fermentation”為題，于2023年5月在國際知名學術期刊ACS ES&T Engineering上發表。論文鏈接：https://doi.org/10.1021/acsestengg.3c00079.
基于先前基礎，我們研究了多層面關鍵因素對復雜厭氧消化系統的影響。提出了一個多層自動機器學習框架，通過在多層次進行性能預測以了解厭氧消化系統中復雜的相互作用，并探索了環境因素、微生物和系統層面的關鍵因素，有望為理解各規模（工業和實驗室）厭氧消化系統的復雜結構提供指導。相關成果以“Using automated machine learning techniques to explore key factors in anaerobic digestion: At the environmental factor, microorganisms and system levels”為題，于2023年9月在國際知名學術期刊Chemical Engineering Journal上發表。論文鏈接：https://doi.org/10.1016/j.cej.2023.146069.
基于對于人工智能和厭氧消化的理解，我們開發了國內首個厭氧消化大語言模型ChatAD，借助開源大模型，可實現無限長文本輸入、圖片與視頻和文本的相互轉換、實時網絡搜尋及提供專業解答，可為整個厭氧行業的高速發展提供支持。
中國石油大學（北京）電氫化工科研團隊成立于2007年，依托重質油國家重點實驗室、生物燃氣高值利用北京市重點實驗室、生物能源北京高等學校工程研究中心、生物天然氣北京市國際科技合作基地、碳中和聯合研究院、墾利綠碳創新研究院、濮陽聯合研究院等國家級和省部級科研創新平臺開展科學研究和人才培養。團隊由徐春明院士領銜、周紅軍教授為學術帶頭，利用氫與綠電使鋼鐵、煉化及合成氨等工業脫碳研究優勢突出，主要在新能源、新材料、綠碳與環保、光催化、電化工等領域開展低碳技術開發。
