Study Notes
Density Functional Theory and Machine Learning-Based Quantitative Structure-Activity Relationship Models Enabling Prediction of Contaminant Degradation Performance with Heterogeneous Peroxymonosulfate Treatments 密度泛函理论与基于机器学习的定量结构-活性关系模型的非均相过氧单硫酸盐处理污染物降解性能预测
2023.03.12
本文提出了基于密度泛函理论和机器学习技术的新型定量结构活性关系（QSAR）模型，该模型可用于预测异构过氧单硫酸盐（PMS）处理系统中的有机污染物氧化反应速率。这些预测工具有助于选择合适的处理系统，优化催化活性，增进我们对复杂AOP下污染物降解机制的理解。
Enhancing Biochar-Based Nonradical Persulfate Activation Using Data-Driven Techniques 使用数据驱动技术增强基于生物炭的非自由基过硫酸盐活化
2023.02.22
本文提出的机器学习技术可以帮助快速筛选非自由基增强型生物炭，从而提高水体修复的效率。 通过调节温度和生物质前体，可以同时调节高比表面积和O％值，从而有效地提高非自由基贡献。