Deep reinforcement learning for process design: Review and perspective

要約

化学産業における再生可能エネルギーと原料供給への変革には、新しい概念的なプロセス設計アプローチが必要です。
最近、人工知能の画期的な進歩により、この移行を加速する機会がもたらされています。
特に、機械学習のサブクラスである深層強化学習は、複雑な意思決定の問題を解決し、持続可能なプロセス設計を支援する可能性を示しています。
私たちは、(i) 情報表現、(ii) エージェント アーキテクチャ、(iii) 環境と報酬という 3 つの主要な要素を通じて、プロセス設計のための強化学習における最先端の研究を調査します。
さらに、化学工学におけるプロセス設計における強化学習の可能性を最大限に引き出すために、根底にある課題と有望な将来の研究についての展望について議論します。

要約(オリジナル)

The transformation towards renewable energy and feedstock supply in the chemical industry requires new conceptual process design approaches. Recently, breakthroughs in artificial intelligence offer opportunities to accelerate this transition. Specifically, deep reinforcement learning, a subclass of machine learning, has shown the potential to solve complex decision-making problems and aid sustainable process design. We survey state-of-the-art research in reinforcement learning for process design through three major elements: (i) information representation, (ii) agent architecture, and (iii) environment and reward. Moreover, we discuss perspectives on underlying challenges and promising future works to unfold the full potential of reinforcement learning for process design in chemical engineering.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google