大连理工大学陈景文、解怀君ES&T:生成式人工智能赋能的化学污染物筛查策略——以全氟和多氟烷基物质为研究案例
环境人Environmentor
2025-11-14 12:25
文章摘要
本研究针对化学污染物识别中传统方法覆盖范围有限的问题,以全氟和多氟烷基物质(PFAS)为案例,提出了一种生成式人工智能赋能的筛查策略。研究背景源于当前污染物识别技术高度依赖有限的标准品和参考数据库,难以全面覆盖化学空间。研究目的旨在通过构建化学语言模型生成潜在污染物结构,扩展可识别化学空间。通过迁移学习和数据增强技术,模型成功生成145.9万个独特PFAS结构,将已知PFAS化学空间扩展21.6%。在验证中,加标样品筛查达到87%的Top-1注释准确率,并在氟化工废水样本中成功注释88个先前忽略的PFAS特征。结论表明,该策略为未知污染物的结构解析提供了高效新路径,显著提升了非靶向筛查能力。
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿,本站转载出于非商业性的教育和科研之目的,并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题,请作者速来电或来函联系。