纤维素衍生物修饰壳聚糖吸附剂的结构设计用于砷去除：机器学习建模、Box-Behnken设计、Optuna超参数调优与分子动力学模拟

为解决砷(As(III))污染对环境和健康的威胁，研究人员通过羟基丙基纤维素(HPC)修饰壳聚糖/聚乙烯醇(HPC/CP)吸附剂，结合Box-Behnken设计(BBD)和机器学习(ML)算法优化结构参数。随机森林(RF)模型预测精度最高(R2=0.99)，优化后的吸附剂(5 wt% CS、4 wt% HPC、12 wt% PVA、300 μm厚度)实现98.6%的As(III)去除率，分子动力学模拟验证了结构稳定性。该研究为高效除砷材料设计提供了新策略。

　　

砷(As(III))作为剧毒重金属，通过饮用水污染可引发癌症、心血管疾病等健康问题，传统处理方法存在效率不足的瓶颈。壳聚糖(CS)基吸附剂虽具环保优势，但其吸附性能亟待提升。马来西亚理科大学的研究团队创新性地采用羟基丙基纤维素(HPC)修饰壳聚糖/聚乙烯醇(CP)复合材料，通过多学科交叉方法开发出高效除砷吸附剂，相关成果发表于《Biochemical Engineering Journal》。

研究采用Box-Behnken设计(BBD)规划实验，结合机器学习(ML)中的随机森林(RF)、多层感知器(MLP)等算法建模，利用Optuna进行超参数优化，并通过分子动力学(MD)模拟验证吸附机制。关键样本为实验室制备的HPC/CP吸附剂，变量涵盖CS含量(1-6 wt%)、HPC含量(2-12 wt%)等结构参数。

Box-Behnken设计
BBD建立的二次模型R2为0.92，方差分析显示模型显著(p=0.0002)，但预测精度低于ML方法。

机器学习建模
RF模型经调优后(max_depth=38, n_estimators=470)表现最优，预测R2达0.99，均方误差仅2.31，SHAP分析揭示HPC含量和厚度为关键影响因素。

优化验证
实验验证显示优化吸附剂(5 wt% CS/4 wt% HPC/12 wt% PVA/300 μm)的As(III)去除率达98.6%，较未优化组提升33.3%，且与RF预测值(96.1%)高度吻合。

分子动力学模拟
MD轨迹显示HPC修饰使As(III)/HPC/CP复合物能量波动降低42%，证实功能化提升结构稳定性，静电相互作用为主导吸附机制。

该研究首次证实HPC可有效增强CS基吸附剂的砷去除性能，ML与实验设计的结合为环境材料开发提供新范式。优化后的吸附剂兼具高效性(>98%去除率)和可扩展性，对解决发展中国家饮用水砷污染具有重要应用价值。分子层面的机制阐释为后续功能化材料设计提供理论依据。