촉매 오존화 방법은 휘발성 유기 화합물(VOCs)을 위한 저에너지 분해 기술입니다. 효율적인 촉매 개발은 이 기술의 발전에 매우 중요합니다. 현재까지 최대 100편의 관련 연구가 발표되었지만, 기존 문헌 검색을 통한 집합적 추론 분석은 도전적인 작업입니다. VOC의 촉매 오존화를 위한 데이터베이스를 생성하고 실험적 지표로부터 촉매 성능을 예측하기 위해 기계 학습(ML) 프레임워크가 제시되었습니다. 특히, 데이터 마이닝 과정에서 21개의 지표로 577개의 데이터 포인트가 수집되었습니다. VOC 전환율은 GBDT에 의해 성공적으로 예측되었습니다. 제약 조건 하에서 Shapley Additive exPlanations(SHAP) 분석을 통해 Fe/MnOx와 Ce/MnOx가 촉매 오존화에 가장 유망한 촉매로 밝혀졌습니다. 두 가지 시리즈의 촉매가 서로 다른 방법으로 준비되어 제약 조건 하에서 p-xylene 및 1,2-dichloroethane (1,2-DCE)의 촉매 오존화를 평가하여 SHAP 분석의 정확성을 검증했습니다. 이 연구는 효율적인 촉매 설계를 위한 실용적인 도구로서 ML을 강조하고, VOC의 촉매 오존화를 위한 ML 지원 촉매 개발에 적합한 지표를 제공합니다. 이 프로토콜은 다양한 제약 조건 하에서 촉매를 위한 유망한 촉진제 조합을 예측할 수 있게 하여 촉매 설계 및 개발에 대한 안내를 제공합니다.
Jiang et al. (Thu,)가 이 질문을 연구했습니다.