近期，我校材料與能源學(xué)院/生物基材料與能源教育部重點實驗室及廣東省光學(xué)農(nóng)業(yè)工程技術(shù)研究中心肖勇/劉應(yīng)亮團隊在國際知名期刊ACS Nano（中科院1區(qū)Top,，影響因子15.8）,、Separation and Purification Technology（中科院1區(qū)Top,，影響因子8.1）以及Journal of Environmental Chemical Engineering（中科院2區(qū)Top,，影響因子7.4）上發(fā)表了機器學(xué)習(xí)與材料科學(xué)交叉領(lǐng)域的研究新成果,。

利用主動機器學(xué)習(xí)和量子化學(xué)模擬探索和設(shè)計碳點基長余輝材料

　　針對碳點基長余輝材料和生物炭等結(jié)構(gòu)不清的特點,，團隊開發(fā)了精準(zhǔn)預(yù)測模型,，并結(jié)合量子化學(xué)計算進(jìn)行深入解釋,。研究引入了ChatGPT和貝葉斯算法,，旨在設(shè)計更有效的實驗方案和材料。研究成果“Exploration and Design of Carbon Dots-Based Long Afterglow Materials Using Active Machine Learning and Quantum Chemical Simulations”在國際知名期刊ACS Nano在線發(fā)表,。材料與能源學(xué)院在讀碩士研究生楊宏偉,、冉準(zhǔn)和羅藝盟為共同第一作者，肖勇,、崔江虎和劉應(yīng)亮為論文的共同通訊作者,。

　　本研究利用機器學(xué)習(xí)的非線性擬合能力探索碳點的余輝特性，采用XGBoost算法精準(zhǔn)預(yù)測最佳激發(fā)波長,、發(fā)射波長和余輝壽命,。通過貝葉斯優(yōu)化，篩選并通過一步微波法合成了余輝壽命3.43秒的碳點基余輝材料,。結(jié)合量子化學(xué)計算與實驗數(shù)據(jù),，揭示了碳點及其前體之間的構(gòu)效關(guān)系。研究表明,，碳點繼承了前驅(qū)體的官能團特性,，并保留了空穴和電子特性?；跈C器學(xué)習(xí)模型,，加快了碳點基長余輝材料的開發(fā)并簡單揭示了前驅(qū)體與其之間的構(gòu)效關(guān)系。未來，構(gòu)建更廣泛的數(shù)據(jù)集將進(jìn)一步提高模型的適應(yīng)性與預(yù)測準(zhǔn)確性,。

智能方法：集成ChatGPT,，制定生物炭固定土壤鎘的實驗方案

　　團隊在國際知名雜志Separation and Purification Technology上發(fā)表了題為“An intelligent approach: Integrating ChatGPT for experiment planning in biochar immobilization of soil cadmium”的研究論文。材料與能源學(xué)院在讀碩士研究生楊宏偉為第一作者,，肖勇和崔江虎為共同通訊作者,。

　　鎘的強遷移性和生物毒性使其成為生態(tài)系統(tǒng)和人類健康的主要威脅。土壤中鎘采用生物炭固定是一個復(fù)雜的系統(tǒng)過程,，需要從無限的候選空間中選擇生物炭材料和實驗條件,，并進(jìn)行大量的重復(fù)實驗探索是不可行的。

　　本研究提出了一種多人工智能技術(shù)集成的策略,，以確定生物炭特性和實驗條件,，從而在特定土壤條件下實現(xiàn)最大固定率。團隊開發(fā)了六個可解釋的樹模型,，其中LSBoost模型表現(xiàn)最佳,，還開發(fā)了一個圖形用戶界面，可通過該界面手動輸入土壤特性并應(yīng)用貝葉斯算法反推在該土壤條件下哪種生物炭條件可以實現(xiàn)最大固定率,。本研究利用這些條件與OpenAI鏈接,，并利用ChatGPT獲取詳細(xì)的實驗計劃，這些計劃將顯示在圖形用戶界面上,，供研究人員參考,。

革新生物炭合成，增強重金屬吸附：利用機器學(xué)習(xí)和貝葉斯優(yōu)化技術(shù)

　　團隊在國際知名雜志Journal of Environmental Chemical Engineering上發(fā)表了題為“Revolutionizing biochar synthesis for enhanced heavy metal adsorption: Harnessing machine learning and Bayesian optimization”的研究論文,。材料與能源學(xué)院在讀碩士研究生楊宏偉為第一作者,，肖勇和崔江虎為共同通訊作者。

　　重金屬污染構(gòu)成重大安全隱患,，不僅影響空氣,、土壤和水，還影響人類健康,。生物炭被廣泛認(rèn)為是減輕重金屬污染的有效方法,，但如何利用機器學(xué)習(xí)模型指導(dǎo)生物炭的制備并提升其吸附性能仍是一大挑戰(zhàn)。

　　本研究提出了一種基于貝葉斯優(yōu)化算法的生物炭設(shè)計策略,，旨在自動優(yōu)化機器學(xué)習(xí)模型的超參數(shù),，并探索未被充分研究的制備條件。通過貝葉斯算法進(jìn)行超參數(shù)搜索,，團隊成功創(chuàng)建了隨機森林,、支持向量回歸和反向傳播模型，表現(xiàn)出優(yōu)異的性能,，其中隨機森林模型的表現(xiàn)出（R2= 0.998,；RMSE = 0.027）,。根據(jù)貝葉斯搜索的結(jié)果，超過80%的特征組合均超過了重金屬吸附的上限,，且在熱解溫度為420°C時生產(chǎn)的介孔結(jié)構(gòu)生物炭展現(xiàn)出更強的重金屬吸附能力。這項研究提出了一種快速開發(fā)機器學(xué)習(xí)模型的新方法,，并通過反向推理指導(dǎo)生物炭的制備,，以提高其吸附性能。         

　　上述研究得到國家自然科學(xué)基金面上項目（42007116, 12174119, 52172142）的資助,。

　　論文相關(guān)鏈接： 

　　https://doi.org/10.1021/acsnano.4c11418           

　　https://doi.org/10.1016/j.seppur.2024.128170

　　https://doi.org/10.1016/j.jece.2023.110593

文圖/材料與能源學(xué)院 肖勇 楊宏偉