2026 年 11 月 11 日
在大型工业生物反应器中，温度、pH 值或氧含量的微小差异往往决定了工艺过程的成败。针对这一复杂控制难题，由格拉茨工业大学（TU Graz）过程与颗粒技术研究所 Stefan Radl 领衔的跨学科团队开发了一款名为 CLARA (CLustering AlgoRithm Austria) 的软件工具箱。
该工具利用无监督机器学习方法自动创建减少顺序模型 (ROM)，将反应器内的过程模拟速度提升了高达 10,000 倍。相关成果已发表在《Chemical Engineering Science》期刊上。作为格拉茨理工大学领导项目 DigiBioTech 的一部分，CLARA 旨在为发酵、生物质能量利用及聚合物生产等大型工厂提供高精度的实时控制支持。
基于数据分组的效率突破
Stefan Radl 指出，此前主要依赖计算流体动力学 (CFD) 进行模拟。虽然 CFD 能提供极其精确和详细的物理描述，但其计算量巨大，单次模拟可能需要数月时间。
CLARA 的核心在于通过人工智能辅助的集群过程优化计算效率。系统将数百万个来自较短 CFD 模拟的数据点自动分组，形成 5 到 50 个相互连接的“分区”。这种自动化且具备数学精度的方法，显著降低了模型的复杂性，同时保留了关键物理效应。
即便在处理固体、液体和气体物质流混合的复杂多相流时，该方法仍能保持高精度。例如，生物反应器中的混合死区、高剪切力区域以及气液相间的物种交换等决定性因素，均能在大幅加速计算的同时得到可靠建模。
确保物理一致性
简化模型常面临质量平衡不准确的问题，特别是在大规模应用中。当生物体生长导致对气体和其他营养物质需求变化时，传统简化模型难以准确反映这一动态。为此，研究人员开发了专门优化 ROM 的算法，以确保身体的一致性。
通过分析基准数据和详细 CFD 数据的初步验证证实了该方案的高度准确性。Radl 表示，CLARA 的应用潜力广泛，涵盖从二氧化碳捕获反应器到电池生产过程等多个领域，并为构建能够实时绘制和优化流程的数字双胞胎提供了技术支持。
目前，CLARA 已作为开源工具向公众发布，并逐步引入新的发展功能。该技术也是 COMET 中心 BEST 和格拉茨理工大学分支机构 SimVantage 博士论文研究的一部分。
参考文献：
Michael Mitterndner et al., Partition modeling of multiphase reactors using unsupervised clustering, Chemical Engineering Science (2027). DOI: 10.1016/j.ces.2026.125455
