斯图加特市政与ZSW联合开发AI电解槽调度软件，优化港口绿氢枢纽四台电解槽运行
斯图加特市政公司（SWS）与巴登-符腾堡州太阳能与氢能研究中心（ZSW）启动为期两年的SCH2EDULIZER合作项目，开发AI驱动的软件以优化斯图加特港绿氢枢纽（GH2S）四台电解槽的运行管理。项目由州经济部Invest BW计划资助，目标是让电解槽、电池储能与电力市场协同运行，在动态电价下提高绿氢经济性。
人工智能 第3页
共 3 页 · B910化工 · AI 化学信息库
arXiv：大语言模型闭环驱动自动合成优化，像化学家一样做材料发现
8月16日提交arXiv的研究提出LLM驱动的迭代反馈闭环合成优化框架：大语言模型从文献蒸馏合成知识并规划实验，高通量高光谱成像实时反馈结果，形成假设-实验-修正的自动化专家工作流。多数计算预测材料从未被合成，该框架直面预测多合成少的瓶颈，把依赖专家经验的数月优化压缩为自动化循环。
TRM推出企业资产管理AI实践部门与OMNI AI Studio平台，瞄准资产密集型产业AI落地
企业资产管理（EAM）咨询与技术方案商TRM宣布推出AI for Asset Management Practice及OMNI AI Studio开发平台，帮助工业企业在预测性维护、智能工单管理等场景部署AI。公司强调企业AI战略与资产运营工作流的整合是落地关键，数据治理与安全性由企业自主掌控。此举反映流程工业AI应用从战略规划转向运营价值兑现的阶段转变。
诺和诺德与AWS结成战略AI联盟：伦敦共创中心压缩药物发现到首次人体给药周期
诺和诺德与亚马逊云服务（AWS）建立战略合作伙伴关系，AWS成为其首选云服务商与战略AI伙伴。双方在伦敦设立共创中心，利用Amazon Bio Discovery与Bedrock等服务加速靶点识别、疗法设计与临床试验设计，目标压缩从药物靶点到首次人体给药的周期。已有成果包括临床文档时间缩短与超2.5万名员工的生产力提升。
欧洲涂料行业AI落地观察：监管情报回报最快，人类判断力反而更值钱
欧洲涂料杂志8月17日刊发对涂料技术学院常务董事Evripidis Tsaousoglou的深度访谈：AI在配方初稿、法规监控、文献比对上已快速落地，监管情报（REACH/CLP更新追踪）被视为回报最快的场景；但引用研究显示56%的用户因AI犯错、三分之二盲目信任AI输出，行业竞争力正从信息获取转向验证与判断能力。
ADNOC与SLB在120余座钻井平台部署AI实时运营中心 钻井效率提升30-40%
ADNOC和SLB已将AI赋能的实时运营中心（RTOC）部署到120多座陆上和海上钻井平台，工程师可同时监督2-3座钻井。平台集成实时钻机数据和AI分析，减少工程工作量30-40%，缩短决策时间。
特斯拉携手Sunrun推出16GW虚拟电厂框架,瞄准AI数据中心电力需求
Sunrun、Renew Home与特斯拉宣布达成协议,将向美国超大规模数据中心运营商和公用事业公司交付超过16GW的灵活电力容量。该虚拟电厂(VPP)框架首批项目聚焦PJM互联区域(弗吉尼亚州数据中心走廊),标志着分布式户用储能聚合在GW级规模支撑AI算力用电方面迈出关键一步。
Kemira与CuspAI首次将生成式AI端到端应用于PFAS修复材料设计，探索约300万亿种结构
芬兰水处理化学品公司Kemira与AI材料科学公司CuspAI合作，首次将生成式AI端到端应用于PFAS（永久化学品）修复材料的设计。该项目探索了约300万亿种金属有机框架（MOF）结构的设计空间，生成超过5000个候选设计方案，将传统需要数年的发现过程压缩至6个月。项目现已进入下一阶段的开发和测试。
德国研究联盟启动SpectralAIge项目：用AI和高光谱成像追踪再生塑料降解
德国SKZ、Fraunhofer IFF、Silicann Systems和HAIP Solutions联合启动SpectralAIge项目，开发基于高光谱成像和人工智能的技术，用于实时监测PE、PP、PET等塑料在多次回收过程中的降解程度。项目旨在填补工业界缺乏可靠塑料老化检测方法的空白，最终将开发自动化质量控制软件和低成本光谱仪，推动塑料循环经济中的材料质量与安全保障。
勃林格殷格翰在伦敦设立旗舰人工智能研究中心
全球制药企业勃林格殷格翰（Boehringer Ingelheim）在伦敦国王十字知识区设立其旗舰AI和机器学习研究中心，专注将人工智能应用于人类生物学研究，加速靶向疗法开发。
Siemens Energy与TCS扩大合作，以AI技术赋能能源运营与数据中心基础设施
Siemens Energy 与 Tata Consultancy Services 宣布扩大战略合作，将AI驱动的数字孪生、预测性分析和自动化技术部署到发电、制造和电网运营中，并共同推进AI-ready数据中心建设，应对高性能计算带来的电力需求增长。
DeepHartree 用 Poisson-coupled neural field 加速 Density Functional Theory 计算
Jiankun Wu 等人在 arXiv 提交 DeepHartree，将 E(3)-equivariant neural network 与 Poisson equation 耦合，用近线性数值推理替代 DFT 中高成本的 Coulomb 积分，并在 SCF 流程中减少最高 40.6% 迭代。