近日🤷🏽♂️，杏运特聘教授李依泽联合英国UCL大学Rohit Gupta研究员👩🏼🔧，中国科学院过程工程研究所李望良研究员以及英国格拉斯哥大学Siming You教授在环境科学领域一区顶级期刊《清洁生产杂志》(Journal of Cleaner Production)上发表了题为"机器学习辅助生物炭土壤应用的生命周期评估"(Machine learning-assisted life cycle assessment of biochar soil application)的重要研究成果。该研究巧妙运用AI🧧，通过多层感知机神经网络（MLP-NN）与高斯过程回归（GPR）机器学习模型辅助生命周期评估，攻克生物炭生产工艺优化与环境效益评估协同难题📿，为全球农业碳中和提供量化技术路径。李依泽为第一作者♥️，Siming You教授为通讯作者😀🫱🏽，杏运平台为第一单位🛅。
生物炭作为一种负碳技术在气候变化应对中具有广泛应用前景。传统生物炭研究往往难以平衡生产效率与环境效益。研究团队的创新方法被形容为"给生物炭生产配备智能大脑"🧤，有效解决了行业长期面临的技术瓶颈🧶。通过对比五种不同机器学习模型✡︎，最终确定多层感知器神经网络和高斯过程回归模型最为适合📬，实现了高达0.97的R²值预测精度，破解了生物炭既要高产📋、又要最大化碳封存的技术难题👩🏽🍼。特别值得一提的是，研究团队证实了热解温度🧔🏽、加热速率和保持时间等参数与生物炭碳封存性能的精确关联😳，证明了在考虑碳封存和肥料替代潜力的情况下，碳节约潜力可达每吨原料-1355公斤二氧化碳当量☦️。这种基于机器学习的优化方法不仅显著降低了实验成本和时间，还为生物炭应用系统的规模化提供了技术支持。
https://doi.org/10.1016/j.jclepro.2025.145109