近日，上海理工大学光电信息与计算机工程学院特聘教授李依泽在环境科学领域期刊《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。该成果联合英国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教授共同完成，李依泽为第一作者，Siming You教授为通讯作者，上海理工大学为第一单位。
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。
这项学科交叉研究成果在应对气候变化和发展可持续农业方面展现出巨大潜力，既能促进负碳排放技术的发展，又能改善土壤质量和农业生产效率。该技术框架未来可广泛应用于废弃生物质资源利用、土壤改良和碳中和战略实施，未来或将为国内外环境保护和可持续发展带来革新性变化。
论文原理导图
论文连接：https://doi.org/10.1016/j.jclepro.2025.145109
