“用不稳定的药材制造出质量稳定的中药产品”是中药制药工程面临的重大挑战和亟待解决的核心问题。中药复杂化学体系存在质量传递规律不明、质量表征不清、质量控制不准等问题，缺乏基于模型预测的过程质量前馈控制与工艺参数优化方法。为了更好地制定中药产品质量控制策略，必须深入揭示生产工艺的质量–动量–能量传递规律和工程原理。李正教授课题组基于质量传递机理模型，构建了中药制药过程关键工艺环节的数字孪生体，并结合深度学习等人工智能技术构建了制药过程的工艺知识图谱并进行深入挖掘，以产品质量和生产能耗为数字空间的边界条件，提出相关工艺的生产条件优化建议，建立了基于数字孪生的中药制药工程设计与工艺优化平台。相关系列研究成果发表于国际期刊Journal of Food Engineering（IF=6.203，Q1）。
针对中药干燥过程中的液相和气相之间的传热传质模型构建问题，课题组基于REA模型和机器视觉技术，系统研究了五种中药液滴在真空受热条件下的干燥过程并进行建模，形成了相关中药品种的干燥动力学模型，有助于优化干燥过程能耗、降低生产成本。该研究成果发表于Journal of Food Engineering上（Study on drying behavior of additive droplets by reaction engineering approach, Journal of Food Engineering, 2022, DOI: 10.1016/j.jfoodeng.2021.110927），李正教授和于洋助理研究员为共同通讯作者。
针对真空带式物料干燥效果及质量不稳定，易受加热温度、干燥时间、真空度等诸多因素影响的问题，课题组基于经典传递理论自主研发离散元求解器，构建了真空带式干燥工艺过程的数字孪生体，系统揭示了加热温度、传送带速度和浸膏初始含水量对过程生产效率的影响程度。该研究成果发表于Journal of Food Engineering上（A novel method for vacuum belt drying process optimization of licorice, Journal of Food Engineering, 2022, DOI: 10.1016/j.jfoodeng.2022.111075），李正教授为通讯作者。
针对喷雾干燥中的过程控制和工艺参数优化问题，课题组基于流体力学计算和中药液滴干燥动力学模型，研究了中药喷雾干燥工艺的数字孪生体，并结合大数据分析了塔内低温区域成因及其对产品质量的影响；基于实验数据和机理模型并结合深度强化学习算法建立工艺优化模型，实现了中药喷雾干燥工艺由经验设计向科学设计的转变。该研究成果发表于Journal of Food Engineering上（Numerical simulation and optimization of Lonicerae Japonicae Flos extract spray drying process based on temperature field verification and deep reinforcement learning, 2023, DOI: 10.1016/j.jfoodeng.2023.111425），李正教授为通讯作者。
目前，李正教授课题组围绕中药制药其他生产工艺环节的数字孪生模型继续开展研究，推动人工智能技术与传统中药制药生产工艺的融合，建立以产品质量为核心的中药绿色智能制药技术，助力中药传统产业的高端化、智能化、绿色化发展。
