磷钛双掺杂石墨相氮化碳光催化剂的机器学习优化设计及其在可见光降解Beibrich Scarlet染料中的应用

这篇研究通过简单聚合和物理混合法构建了磷/钛双掺杂石墨相氮化碳(P-g-C3N4@Ti-g-C3N4)复合材料，结合机器学习决策树最小二乘提升算法(DT_LSBOOST)和改进灰狼优化器(IGWO)，实现了可见光下Beibrich Scarlet染料的高效降解（100 min内完全降解，k=0.0312 min?1），为智能驱动废水处理技术开发提供了新范式。

　　

Highlight

本研究通过简易聚合结合物理混合法，开发了磷/钛双掺杂石墨相氮化碳(P-g-C₃N₄@Ti-g-C₃N₄)复合材料，其创新性体现在将材料工程与人工智能工具相结合，显著提升了光催化性能并优化了工艺参数。

g-C₃N₄制备

以三聚氰胺为前驱体，通过550°C热聚合4小时制得纯相石墨相氮化碳(g-C₃N₄)，为后续掺杂改性提供基础材料。

磷掺杂g-C₃N₄合成

（具体合成方法原文未展开描述）

红外光谱表征(FTIR)

如图2a所示，782 cm^?1处的特征吸收峰证实了g-C₃N₄的三均三嗪环(tri-s-triazine)骨架结构，1200-1650 cm^?1多重吸收带则对应C-N杂环振动，表明材料成功保留了核心光活性单元。

Conclusions

该研究通过简易可放大的方法成功制备了磷/钛双掺杂g-C₃N₄及其复合物。复合材料展现出卓越的光催化活性，在优化条件下可实现Beibrich Scarlet染料的完全降解（100%），其性能提升源于窄带隙（2.56 eV）和机器学习指导的参数优化。这项工作为智能型废水处理技术开发提供了创新思路。