随着工业化和城市化进程加快，双酚A、四环素等新污染物在水环境中频繁检出，对生态系统与人体健康构成潜在威胁。基于过硫酸盐的高级氧化技术（PS-AOPs）因氧化能力强、适用性广而成为研究热点，但高效催化剂设计与降解机理预测仍是该领域的核心挑战。近年来，机器学习与高级氧化技术的深度交叉为突破上述瓶颈提供了新范式。

近期，烟台大学土木工程学院嵇斌团队围绕机器学习辅助催化剂设计与机理解析开展研究，在基于过硫酸盐的水处理高级氧化技术领域取得一系列重要进展。针对铜基催化剂活化过硫酸盐体系的定向设计难题，团队整合了1035组铜基催化实验数据，结合随机森林分类器与CatBoost回归模型，建立了非自由基反应路径与污染物去除率的可靠预测方法，实验验证误差小于12.5%。该研究为数据驱动的新型催化剂开发提供了可行路径。相关成果以“Machine learning-driven design of nonradical persulfate activation process for water decontamination: a case of Cu-based catalysts”为题发表于国际权威期刊《Chemical Engineering Science》（IF5.1），论文第一作者为课题组2024级硕士研究生王中华，第一单位为烟台大学土木工程学院。

在此基础上，团队进一步将研究拓展至压电催化过硫酸盐体系。通过系统的文献挖掘与密度泛函理论计算，构建了包含408条记录的压电-过硫酸盐体系数据库。基于XGBoost模型与SHAP分析，研究揭示了污染物最高占据分子轨道能量（E_HOMO）与降解动力学之间的内在关联，并在自主构建的ZnO@CuO/PMS体系中得到验证，线性相关性R²达0.76，为理解压电催化过程中污染物反应活性的起源提供了新视角。相关成果以“Machine learning-guided identification ofE_HOMO-associated pollutant reactivity in piezocatalytic persulfate systems”为题发表于国际权威期刊《Journal of Hazardous Materials》（IF10.6），论文第一作者为课题组2024级硕士研究生王中华，第一单位为烟台大学土木工程学院。

此外，团队还开发了具有高效非自由基氧化性能的BTO@Cu₂O压电异质结催化剂。通过调控界面电子结构，该材料实现了对双酚A的高效去除，为非自由基途径主导的催化氧化过程提供了材料设计新思路，进一步丰富了压电-过硫酸盐体系中界面电子调控与催化活性之间的关联认识。该成果以“Heterostructure BTO@Cu₂O toward enhanced bisphenol A degradation via activated peroxymonosulfate: Insights into the nonradical oxidation mechanism”为题发表于国际权威期刊《Chemical Engineering Journal》（IF12.5），论文第一单位为烟台大学土木工程学院。

上述系列研究聚焦水处理高级氧化技术中催化剂理性设计与机理解析的关键科学问题，从数据驱动预测、反应活性描述符识别到异质结催化剂开发，系统阐明了机器学习辅助催化剂设计的可行路径及污染物降解活性的关键调控因素。研究成果为基于过硫酸盐的新型水处理催化剂开发提供了重要的理论依据与数据支撑，也展示了机器学习方法在环境催化领域的广阔应用前景。相关研究工作得到了山东省自然科学基金、山东省高等学校青年创新团队支持计划等项目的资助。

文章链接：

（1）https://doi.org/10.1016/j.jhazmat.2026.143132

（2）https://doi.org/10.1016/j.ces.2025.122750

（3）https://doi.org/10.1016/j.cej.2025.163827

来稿时间：8月10日 审核：刘俞斌 责任编辑：刘运正