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

文章预览

英文原题： Graph neural network integrating self-supervised pre-training for precise and interpretable prediction of micropollutant treatability by HO • based advanced oxidation processes 通讯作者 ：周石庆，湖南大学；卜令君，湖南大学 作者 ：Jingyi Zhu, Yuanxi Huang, Lingjun Bu*, Yangtao Wu, Shiqing Zhou* 近日， 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模型，用于预测羟基自由基与微污染物的反应活性。该模型具有显著的迁移学习能力，在扩散控制极限数据上的表现优于传统机器学习方法，并通过分子图挖掘机制知识。 联合国可持续发展目标提出确保到2030年人人都能享用到安全且负担得起的饮用水。然而，随着微污染物（MPs）的日益增多，传统水处理系统面临严峻挑战。由多种瞬态活性物种参与的高级氧化工艺（AOPs）是去除MPs的有效方法。羟基自由基（HO • ）是常 ………………………………