Lubrizol 如何用 AI 创新特种化学品研发

随着企业寻求借助人工智能、云计算和先进建模加速创新，主要挑战在于如何将新技术与可靠的数据、科学专业知识以及将产品推向市场的实际现实联系起来。对于特种化学品制造商 Lubrizol 而言，数字化转型就是为研究人员提供工具，让他们能够更快地验证想法、做出更明智的决策，并开发出更具可持续性且不牺牲性能的材料。

Lubrizol 信息技术副总裁 Girish Rao 表示，公司正在构建一个连接业务流程、现代数据平台和云基础设施的数字化基础，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，也了解工作中的物理限制。数据科学家可以帮助识别模式、验证新假设，并在研究人员进行物理实验之前对各种可能性进行建模。但 Rao 强调，这不是要取代科学判断，而是为我们的科学家提供更好的工具。

科学家、数据科学家和 IT 团队从不同角度看待问题，分别优先考虑实验有效性、模型性能以及平台的安全性和可扩展性。通过将这些团队聚集在融合团队中，Lubrizol 使他们围绕共同目标保持一致，并从小型试点开始建立信任。

Rao 说，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，事情就会顺利得多。云基础设施还使公司能够灵活地访问计算资源和现代工具，而无需进行自建和维护数据中心所需的巨额投资。

这些能力在推进可持续发展方面可能尤为宝贵。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，并评估产品生命周期中的各种权衡。在实验室中承诺一种材料只是第一步。在扩大生产的同时满足性能预期、法规要求和财务限制仍然是一场走钢丝的平衡，但人工智能建模多个变量的能力可以帮助团队应对这些相互冲突的需求。

展望未来，Rao 期待随着实验室变得更加智能、制造工厂更加高效，人工智能、自动化、先进建模、数字孪生和互联数据将走向融合。他认为，机遇在于以负责任的方式大规模整合这些能力。这不只是一种单一技术，我认为是所有这些技术的组合，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 MIT Technology Review 的定制内容部门 Insights 制作，并非出自其编辑团队。内容由人工研究和撰写，即使使用了 AI 工具，也仅限于在人工监督下的制作流程。