暨南大学朱明山/华南农业大学银仁莉ACB：机器学习结合密度泛函理论揭示过硫酸盐体系中单线态氧生成与污染物降解之间的关系

本研究通过整合机器学习（ML）和密度泛函理论（DFT），阐明了过硫酸盐（PS）活化及其选择性生成单线态氧（1O2）与污染物降解率之间的机理。背景方面，1O2反应在环境修复和绿色有机合成中具有重要意义，但现有方法存在效率限制。研究目的是通过ML和DFT揭示1O2生成与污染物降解的定量构效关系。研究结果表明，催化剂中氮的含量和状态对1O2生成有重要影响，尤其是9.5%左右的吡咯氮能最大化1O2生成。此外，能隙较小的污染物分子更易受到1O2攻击。结论指出，该研究为选择性降解和安全转化水污染物提供了重要的理论指导，并提出了未来改进方向，如增加数据样本和提高模型可解释性。