美国东北大学学生开发AI智能体，自动修复化工厂蓝图仿真故障

美国东北大学工业工程专业学生Sierre Ternoey在德国亚琛工业大学（RWTH Aachen）的研究岗位上，开发出一款AI智能体，用于修复让全球化工工程师头疼的工艺流程问题。东北大学新闻网站报道了这一成果。

生产清洁剂、服装面料等无数产品的工业工厂，依赖专业软件绘制「化工流程图」（chemical flow sheet）——本质上就是「化工厂如何运作的蓝图」。软件会模拟生产过程，确保化学原料被混合与回收、有用产品被分离，但初稿通常不会一次成功。

「你拿到的是一份又长又密的报告，只告诉你哪里出了问题，却不告诉你为什么，」Ternoey对东北大学新闻网站说，「排查原因需要真正的经验、大量时间」，实际上还有大量猜测。

她利用在东北大学一年级课程中学到的技能，构建了一个能读取报告、诊断问题并修复流程图、最终交回可用模拟结果的AI智能体。「在最佳配置下，智能体通过了30个测试用例中的26个，」她说，意味着它找到了解决方案且没有打乱工程师原有的设计选择。

她的导师、研究助理Jan Pyschik把这个项目称作「外卡」挑战——它不完全符合他的研究议程，不确定性大到不适合作为学生的毕业论文课题。其他学生考虑过这个方向时，得到的建议都是回避它，因为「根本不清楚它是否行得通」。

尽管Ternoey「从没上过化学工程课程」，她在东北大学的Cornerstone of Engineering课程提供了支撑——这门课「在我拥有解决问题的工具之前，就把我放到问题面前，让我无论如何先开始」。该课程教授工程设计流程、工程伦理、计算机辅助设计与编程，并与当地小学合作，让学生为快闪展览设计博物馆式展品。

这一案例展示了AI智能体在工业工程中的实际落地：把「读报告—诊断—修复」这一依赖资深经验的环节自动化，正是生成式AI在专业软件领域的典型应用方向。

后续看点：该智能体能否从30个测试用例扩展到真实化工项目，以及类似「AI修复专业仿真模型」的方法能否复制到制药、能源等其他流程工业，值得持续跟踪。