如果成功，预计钢铁制造商每年将能够减少数百万英镑的能源成本以及每家工厂数万吨的二氧化碳排放量。
Carbon Re 希望通过钢厂制造流程的数字孪生来发挥深度学习和强化学习的潜力，找到其最佳运行参数。希望通过这样做，能够释放巨大的能源效率。
“材料加工研究所在工业流程方面拥有丰富的经验，我们的合作对于加速我们钢铁产品的开发和商业化至关重要。” Sherif Elsayed-Ali，Carbon Re 首席执行官兼联合创始人。
此类技术能够在炼钢领域取得成功，很大程度上是基于Carbon Re在水泥行业的成功，试验超出了预期。该初创公司的研究表明，水泥制造过程中的能源强度和碳排放量最多可分别降低 8% 和 20%，这意味着每年可节省 210 万英镑的成本，并减少 140 吨二氧化碳的排放。 Carbon Re 声称：“如果钢铁厂也能实现类似的效率，那么每家工厂将节省 430 万英镑的成本，并减少 60 吨二氧化碳排放。”
Carbon Re认为，人工智能的最新进展——尤其是深度强化学习——为解决钢铁制造过程对环境影响方面的一些问题打开了大门。据估计，全球钢铁生产占全球排放量的 7-8%（基于燃烧化石燃料将铁矿石转化为钢铁）。
“随着燃料价格不断上涨和工业脱碳目标不断上升，英国钢铁行业正面临着充满挑战的时期。我们非常高兴与 Carbon Re 的团队合作，并期待将尖端人工智能应用到我们的流程中所取得的成果。” Chris Oswin，材料加工研究所数字技术组经理。
在英国，钢铁生产占温室气体排放总量的2%，但Carbon Re认为，面对当前的能源危机和工业脱碳目标，其技术可以被视为面临生存威胁的钢铁制造商的生命线。
Carbon Re已通过ISCF产业转型基础投资者合作计划获得英国研究与创新部的资助，以探索调整其技术以提高钢铁制造能源效率的可行性。
