Projekt sa zaoberá návrhom nových nástrojov na návrh aproximovaných explicitných regulátorov pre zložité chemické procesy, ktoré optimalizujú spotrebu energie a zlepšujú efektivitu procesu. Na rozdiel od tradičných prístupov k explicitnému prediktívnemu riadeniu na základe modelov (MPC), tento projekt bude využívať strojové učenia na syntézu regulátorov pre procesy s vysokým počtom stavov, parametrov a pre dlhé predikčné horizonty. Projekt využije prístupy samoučiaceho sa učenia (z angl. reinforcement learning) na vytvorenie nových techník na navrhovanie približných explicitných regulátorov, ktoré dokážu dynamicky reagovať na zmeny v riadení v reálnom čase. Proces učenia adaptuje filozofiu MPC a explicitného MPC s cieľom zabezpečenia stability a dodržania obmedzení energeticky náročných procesov. Navrhovaný výskum má potenciál výrazne zlepšiť výkonnosť a udržateľnosť energeticky náročných chemických procesov, čo vedie k zníženiu spotreby energie, nižším nákladom a zníženiu vplyvu na životné prostredie.