美国能源部先进能源研究计划署（ARPA-E）4月份宣布在“利用人工智能和机器学习增强能源创新”（DIFFERENTIATE）主题研究计划下投入2000万美元，支持人工智能（AI）和机器学习技术用于能源技术和系统的工程设计^[1]，以减少设计的成本、时间和风险，增强能源系统性能、提升能源效率，促进能源系统现代化发展，保障能源网络安全。此次资助将通过机器学习增强设计过程的三个方面：生成学习算法、评估假设函数和反向传播算法。

　　1、生成学习算法。利用生成学习算法帮助开发新概念机器学习工具，考虑更多样化的设计，增强概念设计能力。该阶段的许多设计问题可以表征为混合整数非线性优化问题。具体包括热力学循环/化学过程（如气体分离）、电路、材料或分子设计。

　　2、评估假设函数。通过加速对概念的高精度分析和优化，提高精度评估过程的效率。该阶段的许多设计问题可以表征为非线性约束优化问题。具体包括燃料/电解槽、气体压缩机、太阳电池设计。

　　3、反向传播算法。利用反向传播算法开发“反演设计”能力，减少设计的迭代次数，产品设计可被有效表征为显函数。具体包括空气动力学表面、光学设备设计。                               （岳芳）