湖南大学周石庆团队ACS ES&T Engg.封面：集成自监督预训练的图神经网络用于HO• AOP中微污染物可处理性的可解释预测

湖南大学周石庆团队开发了一种结合自监督预训练的图神经网络模型，用于预测羟基自由基与微污染物的反应活性。该研究通过引入分子图表示分子结构，利用大规模无标签数据进行自监督预训练，显著提升了模型在扩散控制极限数据上的预测性能。研究结果表明，预训练后的图神经网络模型在预测微污染物与羟基自由基反应的k值方面表现优异，且具有较强的迁移学习能力和机理解释性。该模型不仅解决了传统机器学习模型在扩散控制极限区域预测的难题，还为高级氧化工艺提供了新的优化工具，具有重要的环境应用前景。