美国凯斯西储大学张慧春教授团队ES&T|机器学习预测水污染物的羟基自由基速率常数

文章预览

12月26日，美国 凯斯西储大学张慧春教授 在 Environmental Science & Technology 发表了题为 “Combining Group Contribution Method and Semisupervised Learning to Build Machine Learning Models for Predicting Hydroxyl Radical Rate Constants of Water Contaminants” 的研究论文，提出了 通过基团 贡献法 （GCM） 和半监督学习 （SSL） 策略来构建 机器学习模型预测水污染物的羟基自由基速率常数。 机器学习 （ML） 是解决许多实际问题的强大工具。然而，它在包括环境领域在内的各个领域的应用往往受到缺乏足够数据的制约。具体来说，用于模拟环境化学反应性的样本量通常在几十到几千之间。例如，一个旨在预测有机污染物从土壤到植物根部的生物积累的 ML 模型依赖于 72 种化学品的 341 个数据点。最近用于预测Fe(II)相关还原剂的非生物还原，1978 吸附用化学品，978 记录 206 种厌氧生物降解化学品， ………………………………