近日，上海理工大學光電信息與計算機工程學院特聘教授李依澤在環(huán)境科學領域期刊《清潔生產(chǎn)雜志》(Journal of Cleaner Production)上發(fā)表了題為“機器學習輔助生物炭土壤應用的生命周期評估”(Machine learning-assisted life cycle assessment of biochar soil application)的研究成果，該研究巧妙運用AI，通過多層感知機神經(jīng)網(wǎng)絡（MLP-NN）與高斯過程回歸（GPR）機器學習模型輔助生命周期評估，攻克生物炭生產(chǎn)工藝優(yōu)化與環(huán)境效益評估協(xié)同難題，為全球農(nóng)業(yè)碳中和提供量化技術路徑。該成果聯(lián)合英國UCL大學Rohit Gupta研究員，中國科學院過程工程研究所李望良研究員以及英國格拉斯哥大學Siming You教授共同完成，李依澤為第一作者，Siming You教授為通訊作者，上海理工大學為第一單位。
生物炭作為一種負碳技術，在氣候變化應對中具有廣泛應用前景。傳統(tǒng)生物炭研究往往難以平衡生產(chǎn)效率與環(huán)境效益。研究團隊的創(chuàng)新方法被形容為給生物炭生產(chǎn)配備“智能大腦”，有效解決了行業(yè)長期面臨的技術瓶頸。通過對比五種不同機器學習模型，最終確定多層感知器神經(jīng)網(wǎng)絡和高斯過程回歸模型最為適合，實現(xiàn)了高達0.97的R2值預測精度，破解了生物炭既要高產(chǎn)又要最大化碳封存的技術難題。
特別值得一提的是，研究團隊證實了熱解溫度、加熱速率和保持時間等參數(shù)與生物炭碳封存性能的精確關聯(lián)，證明了在考慮碳封存和肥料替代潛力的情況下，碳節(jié)約潛力可達每噸原料-1355公斤二氧化碳當量。這種基于機器學習的優(yōu)化方法不僅顯著降低了實驗成本和時間，還為生物炭應用系統(tǒng)的規(guī)?；峁┝思夹g支持。
這項學科交叉研究成果在應對氣候變化和發(fā)展可持續(xù)農(nóng)業(yè)方面展現(xiàn)出巨大潛力，既能促進負碳排放技術的發(fā)展，又能改善土壤質量和農(nóng)業(yè)生產(chǎn)效率。該技術框架未來可廣泛應用于廢棄生物質資源利用、土壤改良和碳中和戰(zhàn)略實施，未來或將為國內外環(huán)境保護和可持續(xù)發(fā)展帶來革新性變化。
論文原理導圖
論文連接：https://doi.org/10.1016/j.jclepro.2025.145109
