Process Systems Engineering Meets Machine Learning

Prof. Alexander Mitsos PhD, RWTH Aachen

This talk gives an overview of our work in developing and using machine learning techniques for chemical engineering. We first present our work on molecular property prediction with graph neural networks, including the usage of physics consistent models. We use these predictions for the computer-aided design of molecules with generative machine learning. Finally, we discuss hardware-in-the-loop optimization of reaction conditions, using machine learning based inline reaction monitoring.

Alexander Mitsos ist Professor am Lehrstuhl für Systemverfahrenstechnik der Aachener Verfahrenstechnik (AVT) an der RWTH Aachen University, sowie Direktor des IEK-10 (Energy Systems Engineering) am Forschungszentrum Jülich. Des Weiteren ist er seit 2018 Associate Editor des Elsevier Journals „Computers & Chemical Engineering“, seit 2018 Teil des Editorial Board des „AAAS Science Advances“ und seit 2020 Programming Chair der AIChE CAST Division.

Prof. Mitsos erhielt 1999 das Diplom für Chemieingenieurwesen an der Universität Karls- ruhe und promovierte 2006 am Massachusetts Institute of Technology (MIT) auf dem Gebiet der Systemverfahrenstechnik. Nach einer Position als Senior Engineer in der RES Group Inc. (2006–2007), sowie Junior Research Group Leader am AICES, RWTH Aachen University (2008), war Prof. Mitsos von 2009 bis 2012 Assistant Professor am Department of Mechanical Engineering des MIT.

Die Forschungsschwerpunkte und Expertise von Prof. Mitsos sind einerseits optimale Entwicklung und Betriebsführung von chemischen & biotechnologischen Prozessen und Energiesystemen, und andererseits Theorie und Algorithmen für deterministische globale Optimierung. Dazu werden Methoden aus Data Science und Machine Learning eingesetzt und weiterentwickelt.