西布尔借助AI革新聚合物研发与防伪技术

SIBUR运用人工智能研发新一代聚合物并打击假冒产品

俄罗斯西布尔（SIBUR）旗下的 PolyLab 研发生态系统正越来越多地借助人工智能来控制和预测材料及成品的性能，工艺与服务开发负责人阿尔图尔・阿斯兰扬（Artur Aslanyan）表示，在创新前端，人工智能工具正重塑新创意的诞生方式。研究人员不再手动翻阅海量的全球专利、科研论文、法规文本和行业新闻，而是依托大语言模型梳理知识体系、锁定高潜力聚合物细分领域，让研发从被动解决问题转向预测性设计。

在后台，西布尔还整合了聚合物全价值链产生的海量工业数据——从热解、合成，到挤出、实验室测试，直至最终产品加工。这些数据流包含 PolyLab 中心的生产参数、配方与性能结果，用于训练机器学习模型，建立成分与加工条件如何决定最终材料性能的映射关系。

最直观的应用之一是聚丙烯薄膜配方生成器。只要输入强度、透明度、弹性等目标指标，并考虑特定生产线限制，系统就会输出优化后的多层结构，包括精确的组分比例、层厚以及预测的性能特征。

目前，另一款模型正在训练中，用于预测回收料对产品颜色和质量的影响。通过分析回收料含量及其与新料共混的历史数据，系统旨在提前预判外观与质量结果，该领域仍在优化以提升精度。

除材料设计外，西布尔还将人工智能用于产品安全。正在开发的新系统将通过嵌入式标记与全供应链可访问的数字追踪工具，实现从加工商到终端用户的全程溯源，以此打击假冒产品。

“我们将人工智能视为实用工具，它已在改变西布尔的研发思路，不仅能加速流程，还能精准预测最终产品性能。” 阿斯兰扬指出，“人工智能落地的核心挑战依然是：对模型结果的可信度、机密数据处理，以及源头信息质量。”

“为应对这些挑战，我们正聚焦员工培训、将 AI 工具融入日常工作、开发内部检索增强生成（RAG）方案，并实现数据采集自动化。”

这一举措是西布尔研发部门整体数字化转型的一部分。在其创新中心，公司已在测试基于人工智能的方法，以加速催化剂与材料设计。

通过分析实验数据集，模型可揭示分子结构与性能之间的关联、预测催化效率，并减少对耗时实验室工作的依赖，推动公司迈向更快速、更可控的科学研发。