中山大学ACS SCE | AI赋能生物质废弃物高效利用：解密生物炭调控厌氧消化产甲烷机制

背景：面对碳中和与能源可持续发展需求，将有机废弃物高效转化为可再生能源成为研究热点。厌氧消化可实现废弃物处理与甲烷回收，但过程易受环境影响而不稳定。生物炭因其多孔、导电等特性，已被证实可提升厌氧消化性能，但其特性与厌氧消化效率及微生物响应间的机制尚不清晰。研究目的：本研究旨在构建一个数据驱动且具可解释性的机器学习框架，结合Gompertz动力学模型，从过程和微生物层面系统解析并优化生物炭介导的厌氧消化过程，以深入理解其作用机制并为过程设计提供指导。结论：研究发现，与电子传递相关的生物炭性质及运行温度是控制甲烷产率与启动效率的关键因素，并确定了如20-30 g/L挥发性固体、3-30 g/L生物炭投加量等具有实践意义的设计区间。特征归因分析进一步揭示，调控生物炭的铁含量可优先增强乙酸裂解型产甲烷途径。这表明AI驱动且机理透明的建模方法能加速可持续生化过程的设计，为“废弃物-能源”转化提供可操作指导。