近日，我院黄海明教授课题组在环境领域国际知名期刊《Journal of Environmental Management》《Journal of Hazardous Materials》发表了题为“A photocatalysis-self-Fenton system based on NCDs @ ZnIn2S4 composites at neutral pH and low amount of Fe2+ for the effective degradation of antibiotics” “Machine learning prediction of dye adsorption by hydrochar: Parameter optimization and experimental validation”的研究论文。该成果以东莞理工学院为第一署名单位，团队李晓慢博士后和刘冲博士分别为第一作者，黄海明教授为通讯作者。
光催化自Fenton系统(PSFs)将光催化与Fenton技术相结合，由于具有不添加H2O2 、加速铁离子循环的优点，在处理难降解有机污染物领域成为研究热点。但光催化产H2O2能力有限、铁泥量大、pH适用范围窄等问题仍未有效地解决。本文设计了可见光响应的NCDs @ ZnIn2S4光催化剂，耦合低浓度的Fe2+降解水中典型抗生素（土霉素、左氧氟沙星、阿莫西林）。结果表明，NCDs @ ZnIn2S4催化剂在可见光条件下H2O2产率高达1528 μM•g-1•h-1。原位产生的H2O2在低浓度Fe2+ (1 mg/L)被分解为•OH，迅速降解水体中的抗生素。反应30min后，95%以上的土霉素和左氧氟沙星被分解。研究还表明，当溶液pH=7时，污染物的降解反应速率最快，解决了传统Fenton反应在中性条件下催化能力下降的问题。细胞试验表明，随着反应的进行，中间产物的毒性显著降低，这表明Fe2+/NCDs @ ZnIn2S4光催化反应系统具有优异的解毒能力。这些发现为光催化自Fenton反应体系的应用提供了理论依据，并为难降解有机污染物的去除提供了新的方向。
此外，本团队在染料废水处理领域取得了新进展。通过结合机器学习和实验验证，开发了一种能够精准预测水热炭吸附性能的模型。该研究围绕水热炭（Hydrochar）在染料废水中的吸附能力展开。这项研究评估了十二种机器学习模型的表现，结果表明，梯度提升回归模型（GBR）在预测吸附性能方面表现最为优异，模型预测精度达到了0.9629。通过实验验证，模型的预测准确率达到了0.8704，进一步证实了其在实际应用中的潜力。这一成果不仅为水热炭在吸附性能方面的研究提供了数据支持，也为废水处理技术的进一步发展奠定了坚实基础。此外，这项研究开发了一个简单易用的图形用户界面，大幅提升了实验设计的效率，推动了机器学习在环境工程中的实际应用。
生态环境与建筑工程学院黄海明教授研究团队（个人介绍：https://hshx.dgut.edu.cn/info/1117/1883.htm）充分结合生态文明建设与保障资源安全供给的国家重大战略需求，培养高水平创新人才，积极开展难降解有机污染物去除的基础应用研究，致力于解决工程应用过程存在的技术难题，推动水处理技术革新，促进我国促进产业发展。
撰稿人：李晓曼，刘翀
一审：李春志 二审：高 峰 终审：兰善红
