ACS ES&T Engg. 封面文章 | 集成自监督预训练的图神经网络用于HO•高级氧化工艺中微污染物可处理性的可解释预测
ACS美国化学会
2024-10-04 12:07
文章摘要
湖南大学周石庆教授团队开发了一种结合自监督预训练的图神经网络(GNN)模型,用于预测羟基自由基(HO•)与微污染物(MPs)的反应活性。该研究通过引入分子图(MGs)表示分子结构,利用大规模无标签数据进行自监督预训练,显著提高了模型在扩散控制极限数据上的预测性能。研究结果表明,预训练的GNN模型在预测k值方面优于传统机器学习方法,并能自动分类反应路径,为基于HO•的高级氧化工艺(AOPs)提供了新的优化工具。该研究不仅解决了传统定量构效关系(QSAR)模型在预测k值时的局限性,还展示了GNN模型在机理解析中的潜力,具有重要的环境应用前景。
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿,本站转载出于非商业性的教育和科研之目的,并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题,请作者速来电或来函联系。