中国科学技术大学环境学院基于分子指纹融合策略构建了精准预测污染物降解动力学的集成学习模型，研究成果以“An Ensemble Learning Framework Utilizing Fusion Molecular Fingerprints for Pollutant Removal Prediction in Advanced Treatments”为题近期发表于Environmental Science & Technology。

精准预测污染物降解动力学对于评估和优化水处理工艺至关重要。然而，传统的定量构效关系模型往往受限于单一分子指纹所捕获的不完整化学表征。针对上述挑战，本研究基于分子指纹融合策略开发了一种污染物降解动力学集成学习预测模型，解决了传统模型特征提取不全和泛化能力弱的问题。研究通过构建多种专业基学习器，从涵盖全局元素组成至三维空间构象的互补分子指纹中，提取污染物的内在结构反应活性，随后利用元学习器将这些结构预测结果与宏观环境参数进行协同整合。结果表明，集成学习模型展现出卓越的预测精度，其在臭氧氧化和零价铁还原测试集中的决定系数分别达到了0.96和0.80，显著优于最佳的单一指纹基线模型。此外，结合多维解释性分析与量子化学计算，研究还进一步揭示了驱动污染物反应活性的关键组成、拓扑和构象因素。该工作为深度处理中污染物反应活性预测与机制探索提供了科学指导。

图 基于分子指纹融合策略的污染物降解动力学集成学习预测模型

该研究工作得到了国家自然科学基金和中国博士后科学基金的资助。

论文链接：https://pubs.acs.org/doi/abs/10.1021/acs.est.6c02558