Машинне навчання передбачає радикали біочару за елементним складом

06 листопада 2026 р. 22:41

06 листопада 2026 р. 22:41


Біочар, який отримують шляхом нагрівання біомаси за обмеженого доступу кисню, активно досліджують для сільського господарства, очищення довкілля та зберігання енергії. Його стійкі вільні радикали можуть сприяти розкладанню забруднювачів, але також генерують активні форми кисню, пов’язані з окисним стресом і порушенням роботи ґрунтових мікроорганізмів. Тому важливо розуміти їхню концентрацію та хімічний характер, щоб збалансувати користь і потенційну шкоду, зазначає матеріал в Newswise Science News .

Нове дослідження, опубліковане в журналі Biochar X, показує, що прості елементні показники дозволяють передбачати властивості радикалів у біочарі. Команда Веньмей Тао (Wenmei Tao) з Куньмінського університету науки і технологій виявила характерні поєднання вмісту вуглецю, водню та кисню, пов’язані як із накопиченням радикалів, так і з утворенням киснецентричних радикалів.

Як зібрали дані та побудували моделі

Дослідники зібрали з опублікованих робіт 263 пари значень: концентрацію радикалів і g-фактор, що його вимірюють за допомогою електронного парамагнітного резонансу. G-фактор слугує індикатором того, чи радикали переважно вуглецецентричні, чи киснецентричні.

Команда очистила базу: вилучила викиди, уніфікувала одиниці вимірювання концентрацій і сформувала набір вхідних параметрів моделі. До нього увійшли вміст вуглецю, водню та кисню, а також співвідношення водень/вуглець і кисень/вуглець.

Дані випадково поділили: 80 % використали для навчання моделей, 20 % — для тестування. Порівнювали шість підходів: XGBoost, градієнтний бустинг, метод опорних векторів (SVR), неглибоку нейромережу, випадковий ліс і ансамбль, що усереднював передбачення чотирьох моделей. Для пояснення прогнозів застосували аналіз SHAP, оцінку важливості ознак та графіки часткової залежності.

Перевірка в лабораторії

Щоб незалежно перевірити результати, дослідники виготовили власні зразки біочару з целюлози, лігніну, лушпиння арахісу, рисової соломи та тирси сосни. Сировину нагрівали в атмосфері азоту при температурах від 300 до 800 °C протягом однієї години.

Потім провели елементний аналіз і виміряли параметри радикалів за допомогою електронного парамагнітного резонансу, щоб безпосередньо пов’язати склад біочару з концентрацією радикалів і g-фактором.

Точність моделей і ключові закономірності

Найкращі результати продемонструвала неглибока нейронна мережа. На тестовому наборі вона досягла коефіцієнта детермінації R² = 0,7797 для прогнозу концентрації радикалів і R² = 0,7647 для g-фактора.

Моделі також добре відрізняли високі та низькі значення показників. Площі під ROC-кривими становили щонайменше 0,9600 для концентрації радикалів і понад 0,9780 для g-фактора, що свідчить про високу дискримінаційну здатність.

Інтерпретація моделей показала такі тенденції:

  • нижчі співвідношення водень/вуглець і менший вміст кисню пов’язані з більшою накопиченістю радикалів;
  • вищий вміст кисню та більше співвідношення кисень/вуглець сприяють зростанню g-фактора, тобто більшій частці киснецентричних радикалів;
  • за близького співвідношення кисень/вуглець вищий вміст водню також збільшує g-фактор.

Лабораторні вимірювання підтвердили ці висновки. Вміст кисню та співвідношення кисень/вуглець мали дуже високі кореляції Спірмена з g-фактором — 0,905 і 0,882 відповідно.

Водночас експерименти показали, що нагрівання вище 600 °C може викликати конденсацію вуглецю та графітизацію, що супроводжується зникненням радикалів. Отже, їхня кількість не зростає безкінечно із зменшенням співвідношення водень/вуглець — структурні перетворення вуглецевого скелета залишаються визначальними.

Що це означає для застосувань біочару

Результати свідчать, що елементний склад біочару містить корисну інформацію для прогнозування поведінки його вільних радикалів. При цьому структурні зміни матеріалу при різних режимах піролізу залишаються важливими для коректного тлумачення трендів.

Запропонований підхід пов’язує доступні вимірювання елементного складу з реакційною здатністю біочару і дає зрозумілу рамку для подальшої оптимізації матеріалів. Це може допомогти відбирати біочари для конкретних екологічних завдань — наприклад, очищення води чи ґрунтів від забруднювачів.

Водночас автори зазначають, що відмінності в умовах вимірювань між опублікованими роботами додають невизначеності, а реальна ефективність і екологічна безпека застосувань потребують перевірки для кожного конкретного сценарію.

Машинне навчання передбачає радикали біочару за елементним складом

Джерело: cikavosti.com (Наука)

Завантажуєм курси валют від minfin.com.ua