一、图文导读

    生物质因其可再生、负碳属性、产量丰富等优点，是一种非常有潜力的替代能源，可助力解决石油煤炭能源短缺问题，并为实现我国“碳达峰”、“碳中和”目标做出贡献。然而，全球大部分生物质因不可持续利用，造成了严重的环境污染和能源浪费。生物质热化学转化是通过热解、气化等方式将生物质转化为液体、气体燃料或化学品，具有效率高、成本低的优势。生物质组成及操作条件决定了热化学转化产物，但生物质组成多样、操作条件复杂，并且产物有气、液、固多种物质，故获得转化产物与生物质组成和操作条件定量关系的实验组合数量庞大，常常依赖于冗长的反复试错实验（图1）。对生物质热化学利用进行过程模拟与系统优化可获得以可持续利用为目标的生物质转化产物和其组成、操作条件之间的定量关系，是工业界和学术界的热点问题之一，难点在于缺乏高精度的生物质热化学数据和预测模型以及过程模拟所需的热力学模型，它们之间的关系如图2所示。   

图1. 生物质热化学转化的复杂网络

     东南大学吉远辉教授和中国药科大学钱红亮副教授等在Green Chemical Engineering (GreenChE)上发表了题为"Progress in thermodynamic simulation and system optimization of pyrolysis and gasification of biomass"的综述论文。在此篇文章中，作者着重从三个方面介绍了生物质可持续利用的理论研究进展，包括热化学数据预测模型、过程模拟和系统优化。此外，进一步对人工智能在上述三个方面中的应用及进展进行了阐述（图3），并讨论了当前方法的优点和局限性，以及未来人工智能在生物质可持续利用中研究的机遇和挑战。