ChemEng Resource
رفتن به کانال در Telegram
Process Systems Engineering (PSE) resource hub. A technical repository of modeling, optimization, AI/ML integration, and process design. Channel accepts direct messages. You can also contact with @hadi_aliz
نمایش بیشترکشور مشخص نشده استدسته بندی مشخص نشده است
381
مشترکین
+1524 ساعت
+217 روز
+9930 روز
آرشیو پست ها
اولش میخواستم بنویسم: «یکی از اولین شبیهسازهای فرایندی داخلی رو ساختم»؛ اما دیدم توصیف دقیقتر و منصفانهترش اینه: «یکی از اولین شبیهسازهای فرایندی جهان که با همکاری مشترک انسان (بنده) و ایجنتهای خودمختار هوش مصنوعی در طول یک سال ساخته شده و همچنان در حال توسعه است.»
هدف از نوشتن این پست چیه؟ شوآف؟ راستش رو بخواید شاید در اعماق ضمیر ناخودآگاهم رگههایی از ذوقِ این تجربه هم باشه که الان بهش آگاه نیستم! اما بهانه اصلی این نوشته، گپوگفتها و نکات خیلی خوبی بود که در این مدت کوتاه و بعد از انتشار سری ویدیوهای Agentic AI در مهندسی شیمی، از سمت برخی دوستان و اساتید بزرگوار و از سر لطف و دلسوزی مطرح شد. این دغدغهها که شاید سوال خیلی از عزیزان دیگه هم باشه، ذهن خودم رو هم به چالش کشید و فکر کردم بد نیست زاویه دیدم رو بدون تکرار صورت سوالها با شما به اشتراک بذارم تا با هم در موردش فکر کنیم.
واقعیت اینه که دنیای تکنولوژی با شتابی بسیار بیشتر از دهههای گذشته در حال حرکته و هوش مصنوعی منتظر ما نمیمونه تا سر فرصت باهاش آشنا بشیم. وضعیت امروز ما خیلی شبیه به دوران ورود اولین شبیهسازهای تجاری در دهه ۱۹۸۰ میلادیه؛ دورانی که ابزارهای مهندسی شیمی کمکم از خطکش محاسبه و روشهای ترسیم مککیب تیل به سمت اجرای کامپیوتری تغییر مسیر دادن. امروز هم در آستانه یک تحول مشابه هستیم. اگر با این موج همراه نشیم، در آیندهای نزدیک ممکنه حسی شبیه به کسی داشته باشیم که در عصر گوشیهای هوشمند، هنوز برای پیدا کردن یک شماره سراغ دفترچه تلفن کاغذی میره!
حالا تجربه ساخت این شبیهساز چه ربطی به این موضوع داره؟ نکته جالب ماجرا اینجاست که تا چند سال پیش، توسعه یک شبیهساز فرایندی نیازمند یک تیم بزرگ، ده سال زمان و دهها میلیون دلار سرمایه بود. اما امروز به کمک هوش مصنوعی، این معادله تغییر کرده. اگر ما به مفاهیم عمیق مهندسی فرایند و محاسبات عددی (از الگوریتمهای همگرایی جریانهای برشخورده، حلگرهای معادلات (NLE/DAE) و تحلیل حساسیت گرفته تا پکیجهای ترمودینامیکی و ...) مسلط باشیم و در کنارش مفاهیم مهندسی نرمافزار (معماری سیستم، دیتابیس و...) رو هم بشناسیم، میتونیم با کمک ایجنتهای هوش مصنوعی، پروژهای با اون ابعاد رو در عرض چند ماه و با هزینهی چند دلاری جلو ببریم. البته من هنوز بخش های محاسبات عددی و مدلسازی رو خودم توسعه میدم چون خیالم راحت تره!
اما این وسط یک سوال اساسی مطرح میشه: آیا با وجود این ابزارها، نیاز به دانش مهندسی کمتر شده؟ قطعاً نه؛ بلکه خیلی حیاتیتر هم شده! مسئله اصلی اینه که آیا ما سواد مهندسیِ لازم برای صحهگذاری خروجی این محصولات رو داریم؟ چون در نهایت، این «مهندس فرایند» هست که پای مدارک و طراحیها رو امضا میکنه و مسئولیت فنی و ایمنی پلنت رو به عهده میگیره؛ نه یک مدل زبانی که صرفاً متشکل از میلیاردها عدد اعشاری هست!
فرض کنید درآینده نه چندان دور و در یک مصاحبه شغلی از من بپرسن:
«آقای علیزاده! ما یک ایجنت هوش مصنوعی داریم که با تکنولوژی RAG به تمام استانداردهای مهندسی و Design Practiceها وصله و از طریق پروتکل MCP مستقیماً به نرمافزارهای تخصصی دسترسی داره. این ایجنت میتونه طراحی پایه (Basic Design) و شبیهسازیای که شما در چند ماه انجام میدید رو در چند ساعت به نتیجه برسونه. چرا باید به جای استفاده از این ایجنت، به شما حقوق بدیم؟»دقت بفرمایید که این ربطی به تحریم هم نداره؛ چون همین الان مدلهای متنباز و رایگانی وجود دارن که به صورت محلی قابل دانلود، Fine tuning و استفاده در محصولات هستن و خیلی زود در صنعت کشور ما هم به کار گرفته میشن. سختافزار مورد نیازش هم که در بازار موجوده! اگر هم نباشه، فوقش شرکت میخواد ماهی ۵۰۰ دلار پول API به شرکت چینی DeepSeek بده دیگه! خیلی ارزونتر از حقوق ماهانه ۵۰ تا کارمند درمیاد و ۱۰۰ برابر اونها هم کار راه میاندازه! در برابر چنین ابزاری، واقعاً مزیت رقابتی ما چیه؟ به نظر من، ارزش واقعی ما زمانی مشخص میشه که اونقدر دانش مهندسی شیمی و فرایند داشته باشیم که بتونیم خطاهای پنهان و نقض قوانین ترمودینامیکی رو در خروجیهای هوش مصنوعی تشخیص بدیم و نتایج رو به درستی Verify کنیم. علاوه بر این، میتونیم از نقش «کاربرِ صرفِ نرمافزار» فراتر بریم و خودمون این ایجنتها رو برای کاربردهای تخصصی خودمون به کار بگیریم یا حتی توسعه بدیم که به نظرم این مهم تر هم شاید باشه. حرف آخرم اینه که در مقابل تغییرات دنیای امروز، نمیشه خودمون رو به ندانستن بزنیم و بگیم «انشاالله که گربه است!». بهترین راه اینه که در کنار تقویت پایههای علمی و مهندسیمون، خودمون رو با این مسیر جدید وفق بدیم و به مزیتهای رقابتی دنیای جدید مسلح بشیم. ارادتمند؛ برادر کوچک و همیشه شاگردتون، محمدهادی علیزاده #Agentic_AI @ChemEngResource
17 اکتبر, 07:33
17 اکتبر, ~09:01
با استفاده از مدل های زبانی (LLMs) برای هر فایل متنی مثل Design Practice، استاندارد های API، یا حتی رزومه خودت یک (Digital Twin) بساز و باهاش چت کن!
با رزومه خودم یک Digital Twin ساختم و با خودم صحبت کردم :)
✅بعد تماشای این ویدیو قادر خواهید بود بدون نصب هیچ نرمافزار خاصی و صرفا با استفاده از سرویس های آنلاین و به صورت کاملا رایگان، از یک فایل متنی یک Digital Twin بسازید.
این ویدیو در راستای آشنایی مقدماتی با نحوه توسعه نرم افزار های مبتنی بر LLM های تجاری ساخته شده است.
نکات آموزشی این ویدیو:
⭕️ استفاده مقدماتی از OpenAi Agents SDK در محیط Google Colab
⭕️ دسترسی و استفاده از مدل های زبانی رایگان Provider ها مانند NVIDIA Nemotron 3 Ultra
⭕️ اضافه کردن و بکارگیری API KEY ها در محیط Colab
⭕️ استفاده از OpenRouter
کد استفاده شده ( لینک)
#Agentic_AI
@ChemEngResource
16 اکتبر, 05:00
17 اکتبر, ~09:01
لیست مطالب کانال در حوزه کاربرد عامل های خودمختار در مهندسی فرایند
Autonomous systems, LLMs, and Agentic AI :
ویدیو ها:
✳️ مقدمه ای بر سیستم های autonomous و MCP و مثالی از اتصال Claude Code به HYSYS ( لینک )
✳️ مثال تبدیل متن توصیف فرایند به شبیه سازی HYSYS با کمک عوامل خودمختار ( لینک )
✳️ کاربرد LLM در کنترل فرایند و کنترلر LLM-PID ( لینک )
✳️ابزار تبدیل خودکار PFD به HYSYS Flowsheet( لینک )
هشتگ زیر را سرچ کنید تا به سایر محتواها در حوزه سیستم های خودمختار دسترسی پیدا کنید.
#Agentic_AI
🟢اگر این لیست برای یکی از همکارات مفیده، براش بفرست.
سعی میکنیم ادامه این موضوعات و حتی موضوعات دیگر در حوزه Process Systems Engineering، غیر از AI رو هم همینجا منتشر کنیم.
@ChemEngResource
11 اکتبر, 13:18
قوانین جدید آنتروپیک: حق قطع مکالمه برای کلاد در صورت آزار مدل هوش مصنوعی!
شرکت آنتروپیک با بازنگری در خطمشیهای کاربری خود، اعلام کرد که رفتارهای شدید، بیهدف و مکرر برای آزار مدلهای هوش مصنوعی Claude ممنوع است.
بر اساس این سیاست، مواردی مانند انتقاد، ابراز نارضایتی، مخالفت یا تستهای پژوهشی کاربران بلامانع خواهد بود و محدودیت صرفا رفتارهای تخریبی و متوالی را هدف قرار میدهد. در صورت استمرار آزار از سوی کاربر، Claude این اختیار را دارد که چت را یکطرفه پایان دهد؛ کاربر پس از بسته شدن گفتگو امکان ادامه همان مکالمه را نخواهد داشت، هرچند میتواند یک چت تازه آغاز کند. این سازوکار از تاریخ ۱۲ نوامبر ۲۰۲۶ عملیاتی میشود.
منبع : سند رسمی خطمشی استفاده شرکت آنتروپیک (Anthropic Usage Policy)
@ChemEngResource
11 اکتبر, 05:36
یادگیری ماشین کاربردی، دکتر ناظرفرد، دانشگاه صنعتی امیرکبیر.
⭕️ کانال دارای ویدیوهای تدریس استاد، اسلاید ها، کتاب ها و منابع کمک آموزشی میباشد.
لینک: https://t.me/AUT_AML
این درس معمولا در مقطع تحصیلات تکمیلی و برای دانشجویان رشته های مختلف مهندسی ارائه میشود و مطالب آن برای تمامی رشته ها مفید است.
10 اکتبر, 02:40
لیست مطالب کانال در حوزه کاربرد عامل های خودمختار در مهندسی فرایند
Autonomous systems, LLMs, and Agentic AI :
ویدیو ها:
✳️ مقدمه ای بر سیستم های autonomous و MCP و مثالی از اتصال Claude Code به HYSYS ( لینک )
✳️ مثال تبدیل متن توصیف فرایند به شبیه سازی HYSYS با کمک عوامل خودمختار ( لینک )
✳️ کاربرد LLM در کنترل فرایند و کنترلر LLM-PID ( لینک )
✳️ابزار تبدیل خودکار PFD به HYSYS Flowsheet( لینک )
هشتگ زیر را سرچ کنید تا به سایر محتواها در حوزه سیستم های خودمختار دسترسی پیدا کنید.
#Agentic_AI
🟢اگر این لیست برای یکی از همکارات مفیده، براش بفرست.
سعی میکنیم ادامه این موضوعات و حتی موضوعات دیگر در حوزه Process Systems Engineering، غیر از AI رو هم همینجا منتشر کنیم.
@ChemEngResource
08 اکتبر, 02:30
⭕️این ابزار که از LLM استفاده میکنه، میاد و فایل تصویر PFD میگیره و HYSYS Flowsheet تحویل میده!
محصول 2026
Sketch2Simulation: Automating Flowsheet Generation via Multi Agent Large Language Models
بر خلاف ویدیو قبل، ورودی این ابزار تصویر نقشه فرایند است و نه متن Process Description
#ویژه
ما بخش های ارائه نشده توسط توسعه دهندگان اصلی رو تکمیل کردیم و رایگان منتشر کردیم!
✅ بررسی ابزار Sketch2Simulation محصول 2026
✅ معرفی Ollama برای اجرای مدل ها به صورت Local
✅ حل مثال تبدیل مستقیم فایل تصویری PFD فرایند به HYSYS Flowsheet
✅ چرا مهندسان فرایند باید نتایج را Validate کنند
❌ تا این لحظه، کد منتشر شده توسط نویسندگان مقاله ( لینک) فاقد فایل های Instruction هست ( قلب تپنده Agent منتشر نشده!) و این دستورات محفوظ و مختص مالک توصیف شده.
✅ اما ما قسمت های ناموجود رو بازتولید کردیم و به صورت رایگان (لینک )قرار دادیم😉
همچنین پلتفرم رو با DeepSeek که مدل ارزان تری هست سازگار کردیم
⭕️ در این ویدیو، منظور از prompt، همان system prompt است که برای مثال های مختلف ثابت است.
مقاله
#Agentic_AI
@ChemEngResource
07 اکتبر, 03:27
⭕️مدل های زبانی مثل ChatGPT یا DeepSeek رو بالای سر کنترلر PID بذار تا سیستم بهتر کار کنه!
مدل کنترلی 2026!
#ویژه
✅ارائه نتایج بازسازی شده کنترلگر جدید فرایندی LLM-PID برای Water tank منتشر شده در سال 2026
✅توضیحات اولیه در مورد Model Provider ها و API key
✅مقایسه PID-only با نتایج LLM-PID برای Perturbation مقادیر کنترلر حول میزان ثابت
✅اشتراک کد Python باز تولید شده توسط ادمین های کانال برای شبیهسازی LLM-PID for Water Tank
ما کدش رو از روی مقاله نوشتیم تا نتایج شبیهسازی رو بازتولید کنیم و رایگان ارائه بدیمش
لینک کد شبیهسازی برای بازسازی LLM-PID
لینک مقاله
#Agentic_AI
@ChemEngResource
30 سپتامبر, 05:40
Useful for agentic AI developers:
https://gonkarouter.io/
AI Model Router on the Gonka Network
New users get $20 credits
One API for All AI Models (GLM, MiniMax, and DeepSeek)
Note: Please review the privacy policy carefully, not all providers follow zero-data-retention practices.
This is a relatively new routing platform. The free credits are useful for testing, but I wouldn’t recommend topping up or relying on it long-term. More established and capable alternatives like OpenRouter currently offer stronger reliability and broader model support.
27 سپتامبر, 09:42
#Example
⭕️شبیهسازی با کمک عامل های خودمختار
مثالی ساده از تبدیل متن به فلوشیت HYSYS به کمک Claude Code
⭕️Simulation using Autonomous Agents
A simple example of converting text into HYSYS flowsheet with the help of Claude Code
MCP Link
#Agentic_AI
@ChemEngResource
27 سپتامبر, 09:38
تو فقط فرایند رو توصیف کن، خودش برات شبیه سازی رو انجام میده!!!
#ویژه
فیلم آموزشی رایگان مقدمه ای بر طراحی و شبیه سازی فرایند با استفاده از سیستم های خودمختار
⭕️برای اولین بار در جامعه مهندسی شیمی ایران
-تئوری Agentic AI به زبان ساده
- مثال تعامل HYSYS با Claude Code CLI به منظور شبیه سازی خود مختار
-مثال انجام شده طراحی رابط گرافیکی کاربری برای شبیه ساز حالت پایای ILIYA با استفاده از Coder Agent
-معرفی مراجع MCP برای اتصال عوامل خود مختار به Aspen Plus، AVEVA Process Simulation
#Agentic_AI
@ChemEngResource
19 سپتامبر, 07:29
مثال برای کنترل سیستم های MIMO
MIMO and interacting systems' control example
https://pseaut.github.io/pcl/cstr-control.html
@ChemEngResource
15 سپتامبر, 06:01
⭕️مفاهیم کنترل فرایند را بدون کد نویسی و رایگان تمرین کنید!
⭕️ Learn Process Dynamics and Control Basics without Coding and for Free!
آزمایشگاه مجازی دینامیک و کنترل فرایند
Online Process Dynamics & Control Laboratory
⭕️Link:
https://pseaut.github.io/pcl/
طراحی شده توسط آزمایشگاه سیستم های فرایندی دانشگاه امیرکبیر
Designed by PSE Lab, Amirkabir University of Technology (Tehran's Polytechnic)
@ChemEngResource
15 سپتامبر, 05:58
Chemical and Biological Process Dynamics and Control
George Stephanopoulos
Tetractýs Editions, 2025
@ChemEngResource
13 سپتامبر, 07:29
Chemical and Biological Process Dynamics and Control
George Stephanopoulos
Tetractýs Editions, 2025
@ChemEngResource
13 سپتامبر, 07:28
📚 Research Paper | OntoCAPE
OntoCAPE: A Re-Usable Ontology for Chemical Process Engineering
✍️ Authors: Wolfgang Marquardt, Jan Morbach, Andreas Wiesner & Aidong Yang
📅 Springer | 2010
🔹 A key reference for ontology-based knowledge representation in Chemical Process Engineering.
🆔 @ChemEngResource
01 سپتامبر, 04:41
📊 Infographic | Ontology in Process Engineering
An overview of the role of ontology in process design, simulation, optimization, and intelligent decision-making.
🆔 @ChemEngResource
28 اوت, 03:03
🎧 Podcast | Episode 02 – [Ontology(1)]
The audio file for this episode is attached.
🆔 @ChemEngResource
28 اوت, 02:34
