超越反应动力学:可解释的机器学习揭示了硫酸盐和碳酸盐基的独特路径

科学领域:

• 环境化学环境化学
• 先进的氧化过程 先进的氧化过程
• 水处理技术水处理技术

背景情况:

• 硫酸盐基 (SO₄^•-) 和碳酸盐基 (CO_{3^•-) 是废水处理的性先进氧化过程 (AOP) 中的关键氧化剂.}
• 当前的理解表明,这些基因与微量有机污染物 (TrOCs) 主要通过单电子转移 (SET) 反应.

研究的目的:

• 彻底研究SO₄^•-和CO₃^•-与TROC的反应机制.
• 探索超越SET的替代反应途径,并开发TROC降解的预测模型.

主要方法:

• 研究了与衍生物的激素反应性,以确定反应模式.
• 应用机器学习为更广泛的TrOCs制定线性自由能量关系 (LFER).
• 分析了不同反应途径的速率决定步骤和贡献.

主要成果:

• 两种基因与衍生物的活性都遵循电友替代模式,由电子捐赠组增强.
• 对于CO₃^•-反应,SET是速度决定的步骤,但对于SO₄^•-,其他途径 (例如,加法) 对含基,氨基和碳基组的TrOC同样重要.
• 使用机器学习开发的LFER可以更广泛地了解激素-TrOC相互作用.

结论:

• SO₄^•-和CO₃^•-与TROC的反应机制比以前假设的要复杂得多,涉及电友替代和多个途径.
• 了解这些机制对于解释AOP效率和控制副产品形成的差异至关重要.
• 这项研究可以更好地控制反应激素,以优化废水处理和污染物降解.