基于机器学习和实验设计的过期克林霉素对低碳钢腐蚀抑制机制研究：失重法、人工神经网络与电化学分析

研究人员针对低碳钢(ASISI 1018)在盐酸环境中的腐蚀问题，采用过期克林霉素(ECLI)作为抑制剂，通过CCD-RSM实验设计和ANN机器学习方法优化工艺参数，在2.0 M HCl、4.75 h、400 mg/ml、324.5 K条件下获得89.65%的抑制效率。电化学测试表明ECLI属于混合型抑制剂，计算化学揭示了分子吸附机制，SEM证实表面保护层形成。该研究为药物废弃物资源化利用和金属防腐提供了新思路。

　　

在工业生产中，盐酸被广泛用于金属清洗和除垢，但会导致低碳钢严重腐蚀。传统有机缓蚀剂成本高昂，而过期药品的处理又面临环境压力。针对这一矛盾，阿赫马杜·贝洛大学（Ahmadu Bello University，Nigeria）的研究团队创新性地将过期克林霉素(ECLI)应用于低碳钢腐蚀防护，通过多学科交叉研究方法，在《Results in Chemistry》发表了重要成果。

研究采用中心复合设计-响应面法(CCD-RSM)优化实验参数，结合人工神经网络(ANN)建立预测模型。通过失重法、电化学测试（包括动电位极化PDP和电化学阻抗EIS）、量子化学计算(DFT)和分子动力学模拟(MDS)等技术，系统评估了ECLI的缓蚀性能，并利用扫描电镜(SEM)观察表面形貌。

在工艺优化方面，研究确定了最佳条件：盐酸浓度2.0 M、浸泡时间4.75 h、抑制剂浓度400 mg/ml、温度324.5 K，此时缓蚀效率达89.65%。电化学分析显示ECLI属于混合型抑制剂，能同时抑制阴阳极反应。量子化学计算表明ECLI分子具有较高的HOMO（最高占据分子轨道）能量(-0.10 eV)和较低的LUMO（最低未占分子轨道）能量(-5.50 eV)，电子转移数(ΔN)达5.67，表明其具有优异的电子供给能力。分子动力学模拟进一步证实ECLI能以平行吸附方式紧密贴合Fe(110)表面，吸附能达-515.5268 kcal/mol。

表面形貌分析显示，未加ECLI的样品表面出现严重点蚀和宏观孔隙，而添加ECLI后金属表面形成致密保护膜。通过建立4:1:4结构的ANN模型，研究实现了对腐蚀过程的高精度预测（R²=0.9933，RMSE=0.61）。误差分析表明ANN优于RSM方法，特别是在处理非线性腐蚀过程时表现更佳。

该研究的重要意义在于：首次系统评估了过期克林霉素作为低碳钢缓蚀剂的性能，为药物废弃物资源化利用开辟了新途径；建立的CCD-RSM-ANN混合模型为腐蚀预测提供了新方法；通过多尺度研究（从宏观性能到分子机制）全面揭示了ECLI的缓蚀机理。这些发现对开发经济环保的新型缓蚀剂具有重要指导价值，特别适用于石油化工、海洋工程等苛刻腐蚀环境。研究还建议未来可探索不同环境条件下（如高温、高盐度）的抑制剂性能，并尝试与其他化合物协同使用以进一步提升防护效果。