.png){kind=icon}
返回
An efficient catalyst screening strategy combining machine learning and causal inference
.png){kind=icon}
PRE
AI
DOI：10.1016/j.jenvman.2025.124665.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
由于催化剂合成方法的多样性，通过传统实验方法优化催化剂带来了更大的挑战。本研究提出了一种通过将因果推断结果作为先验知识代入机器学习模型来确定催化剂性能的新策略，用于探索催化剂中氮功能基团比例与降解性能之间的相关性，以解决催化剂筛选效率低的问题。通过分析182个实验结果，建立了一个包含14个关键参数（包括催化剂的理化性质和反应条件）的数据集。基于真实数据的分析结果显示，CatBoost模型表现最佳（R² = 0.953，MAE = 3.277，RMSE = 5.615）。SHAP分析表明，吡啶氮（pyridinic N）是影响BPA降解性能的关键氮功能基团。DoWhy因果推断进一步验证了吡啶氮的正向作用，其因果效应估计值为0.4388。该策略通过因果推断预筛选缩小最佳催化剂的选择范围，并利用CatBoost模型精确评估其催化剂性能，可将催化剂筛选过程从多步简化为单步，显著提高催化剂选择效率。
Keyword:
Machine learning
Causal inference
N -functional groups
Catalyst screening
Performance
期刊
IF:
8.4
论文数:
2.8W
被引数:
13.7W
机构
引用论文
Predicting the hydraulic response of critical transport infrastructures during extreme flood events
OAAI
OAAI分享收藏Remaining useful life prediction and state of health diagnosis of lithium-ion batteries with multiscale health features based on optimized CatBoost algorithm基于优化CatBoost算法的多尺度健康特征锂离子电池剩余寿命预测与健康状态诊断.png)
ENERGY
ENERGYIF9.4
PREAI
分享收藏New insight into pyrrolic-N site effect towards the first NIR window absorption of pyrrolic-N-rich carbon dots吡咯-N位点对富含吡咯-N碳点的第一个NIR窗口吸收的新见解
PREAI
分享收藏Activating peroxymonosulfate by N and O co-doped porous carbon for efficient BPA degradation: A re-visit to the removal mechanism and the effects of surface unpaired electrons通过N和O共掺杂的多孔碳激活过氧单硫酸盐以有效降解BPA: 对去除机理和表面未配对电子的影响的重新访问
PREAI
分享收藏Applications of XGBoost in water resources engineering: A systematic literature review (Dec 2018–May 2023)XGBoost在水资源工程中的应用: 系统文献综述 (2018年12月-2023年5月)
PREAI
分享收藏Machine learning-aided causal inference for unraveling chemical dispersant and salinity effects on crude oil biodegradation机器学习辅助因果推理，用于揭示化学分散剂和盐度对原油生物降解的影响
PREAI
分享收藏
查看更多内容