湖北工业大学生物质与生物能源团队在生物质碳材料结构预测研究方面取得新进展
日期：2026-03-04
访问量：
类型：研究进展
作者：余俊生
近日，国际生物资源技术领域权威期刊《Bioresource Technology》（中科院一区TOP期刊）在线发表了湖北工业大学生物质与生物能源团队最新研究成果“Insights into distinct biocarbon assembly and graphitization derived from large-scale bioresource by integrating machine learning with Raman and XRD spectroscopic profiling”。该研究将机器学习与光谱表征技术有机结合，构建了可解释的生物碳元素组成及石墨化程度预测框架，阐明了热解温度、碳结构与元素组成的协同演变规律，为功能性生物碳材料的开发与生物质资源高值化利用提供了新的技术路径。生物碳是一种由农林废弃物、能源作物等可再生生物质经热解转化而成的碳材料，在环境修复、能源存储和催化等领域具有广阔应用前景。然而，生物碳的元素组成（碳、氢、氧含量）与石墨化程度强烈依赖于热解温度和原料类型，传统方法难以快速、无损地解析复杂的“温度-结构-组分”关系，制约了高性能生物碳的理性设计与规模化应用。
图2 生物碳材料结构与元素组成之间的皮尔逊相关性分析
针对这一问题，研究团队创新性地整合了机器学习算法与拉曼光谱、X射线衍射光谱技术。通过制备17种不同前驱体在300–1600℃宽温区热解得到的240个生物碳样品，提取了Raman和XRD结构特征，并建立了11种回归模型进行性能比较。研究表明，梯度提升模型（Gradient Boosting）在预测碳、氢、氧含量方面表现最优，显著高于线性模型及其他集成算法。
在最优模型框架下，通过SHAP特征重要性分析和偏依赖图解析发现，热解温度是驱动碳富集以及氢、氧脱除的主导因素，贡献度最高可达76.5%。进一步的双变量依赖分析发现，结构参数（如缺陷密度、石墨化程度及层间距）对元素组成的影响具有明显的温度窗口效应：在600–1000℃的中温热解区间，结构调控作用最为显著；而在较低或较高温度范围内，该效应则逐渐减弱。这一发现明确揭示了生物碳形成过程中“温度—结构—元素组成”的阶段性耦合机制，为理解生物质热解碳化过程提供了新的理论依据。此外，该预测框架展现出良好的普适性和环境适应能力。对于来源于戊糖、己糖、多糖等不同生物质原料制备的生物碳样品，模型均能够实现快速、无损的元素含量预测。以1000 ℃以上高温热解获得的高石墨化生物碳为例，模型预测碳含量与实测值之间的误差低于2%，为生物碳功能化设计与性能优化提供了可靠的数据支撑。
该研究为生物质资源高值化利用提供了一种快速、非破坏性的元素组成预测方法，并为功能性生物碳材料的设计与性能调控提供了新的研究思路。未来，“光谱—机器学习”协同策略有望进一步应用于生物碳表征与性能预测研究，为相关材料的开发和优化提供技术支持。
湖北工业大学硕士研究生余俊生和洪晶为论文第一作者，湖北工业大学余华讲师为本文通讯作者。湖北工业大学彭良才教授、王艳婷教授和孙丹博士等共同参与了部分研究工作，该研究得到国家自然科学基金（32500325）以及湖北工业大学高层次人才专项资金（GCC20230001）的资助。
https://doi.org/10.1016/j.biortech.2026.134978
关键词：质,生物,研究,碳,预测,材料,结构,方面,取得,大学,能源,新,团队,工业,湖北,进展
