任南琪院士团队贺诗欣教授课题组ES&T：数据驱动技术助力生物炭催化剂的定向设计用于强化非自由基过硫酸盐活化

　　近日，哈尔滨工业大学任南琪院士团队贺诗欣教授在环境领域著名学术期刊Environmental Science & Technology上发表了题为“Enhancing Biochar-Based Nonradical Persulfate Activation Using Data-Driven Techniques”的论文。本文应用机器学习技术（ML）来指导生物炭（BC）催化剂的合理设计，以有针对性地加强过硫酸盐催化过程中非自由基途径。本文首先通文献收集，构建了BC-AOP数据集，并用其完成了对XGBoost（XGB）模型的训练，以实现非自由基强化生物炭的快速筛选。随后，本文利用模型解释手段对特征重要性进行分析，结果显示在一定条件下高比表面积（SSA）和高氧含量值（O%）可以显着增强降解过程中非自由基的贡献。此外，本文还通过无监督学习方法，证明了此两个特征与制备特征之间的详细联系，以实现高效的定向非自由基降解。最后，根据ML结果成功制备出了两种具有不同活性位点的非自由基增强BC催化剂。因此，这项工作可以作为了将ML应用于定向制备功能性BC的概念证明，从而揭示了ML在加速催化剂开发方面的卓越能力。

　　在这项工作中，我们通过引入机器学习算法来加快生物炭催化剂的合理设计，从而填补了研究空白。为实现此目标，首先总结和构建了一个含有403的数据点的专门用于生物炭高级氧化数据集。基于此数据集，开发了具有图形用户界面中网络模型软件，用于进行生物炭材料的快速筛选。此外，通过模型解释手段进一步挖掘了对增强过硫酸盐活化的四个重要特征，最后通过监督和非监督学习技术的结合将使我们能够通过调整制备参数中的温度和生物质种类来选择性地控制对过硫酸盐活化至关重要的两个生物炭特性，为非自由基强化的生物炭的合理设计总结出两条建议。

　　实验室贺诗欣教授为论文的通讯作者，王汝鹏博士为第一作者。