全球向碳中和和循环经济的推进激发了对石油基沥青粘合剂可持续替代品的浓厚兴趣（Liu et al., 2025a; Yalcin et al., 2026）。在新兴的生物衍生材料中，由木质纤维素生物质、藻类或废弃食用油制成的生物沥青提供了一种有前景的可再生替代品（Anastasiya et al., 2024; Zhou et al., 2024）。中国拥有丰富的生物质资源，年产量达35亿吨。然而，其实际应用常常受到高温稳定性差、易氧化老化和化学成分不稳定的限制（Park et al., 2022; Hu et al., 2025a）。为了解决这些问题，研究人员转向了生物炭——一种从生物质热解得到的富含碳的固体，作为多功能改性剂（Zhou et al., 2025a; Duan et al., 2026; Diana et al., 2026）。生物炭不仅提高了机械和热性能，还实现了碳封存，符合净零排放目标。
近年来，研究表明将生物炭掺入沥青基质可以改善抗车辙性、老化耐久性和抗水分损害能力（Masoumeh et al., 2023; Yohannes et al., 2023; Xie et al., 2025）。例如，先前的研究报道，添加6%木质炭改性的沥青复合模量增加了25%，而其他研究者观察到老化后羰基指数增长减缓，表明氧化稳定性增强（Zhou et al., 2024, 2025b）。尽管取得了这些进展，但仍存在一个关键知识空白：生物炭与生物沥青之间的分子级相互作用机制尚不明确（Park et al., 2022）。传统的表征方法（如傅里叶变换红外光谱（FTIR）、差示扫描量热仪（DSC）或流变学）可以提供整体性能信息，但缺乏解析热过程或氧化过程中动态、序列特异性化学相互作用的分辨率（Liu et al., 2025b; Chen et al., 2025; Peng et al., 2025）。
为克服这一局限，基于FT-IR的二维相关光谱（2D-COS）作为一种强大的分析工具应运而生（Yan and Jing, 2018; Chen et al., 2019）。与静态光谱不同，2D-COS能够揭示外部扰动（如温度、时间）下分子响应的顺序，有助于识别隐藏的峰并阐明官能团之间的耦合关系（Hakan et al., 2025）。在聚合物和沥青研究中，2D-COS已成功阐明了老化途径和改性剂-粘合剂之间的相互作用。然而，其在生物炭改性沥青系统中的应用尚未得到充分探索，特别是在量化生物炭表面官能团（如-OH、-COOH、C=O）与沥青中的极性物种（如沥青质、脂肪酸）的相互作用方面。
这一问题还受到生物炭和生物沥青化学异质性的影响（Weng et al., 2017）。生物炭的性质随原料类型、热解温度和活化方法的不同而有很大差异，导致改性效果不一致（Hu et al., 2025b）。同样，来自不同来源的生物沥青具有多样的分子组成，难以建立普遍的结构-性能关系（Li et al., 2023）。传统的试错方法无法应对这种高维参数空间（Lukas et al., 2025）。机器学习（ML）在此方面具有变革潜力。例如随机森林、支持向量回归或神经网络等ML算法可以整合多源数据（光谱、流变学、成分数据）来预测性能结果，并揭示经典统计方法无法发现的非线性相互作用模式（Hoang et al., 2025）。
最近的研究开始将ML与沥青材料设计相结合（Ibrahim et al., 2025）。例如，研究人员使用人工神经网络根据FT-IR特征预测了碎橡胶改性沥青的疲劳寿命（Zhou et al., 2025c）。尽管也有研究探讨了生物油/生物炭在沥青中的定性和定量分析（Gao et al., 2025），但尚未有研究将傅里叶变换红外显微镜（FT-IRM）2D-COS与ML结合，定量建模可持续沥青系统中的相互作用动态（Turrell, 2025）。这种方法可以揭示哪些官能团首先反应、它们的耦合强度以及最佳生物炭用量如何最大化有益相互作用，从而超越经验观察，实现机制预测。目前该领域的挑战包括：（1）缺乏对沥青微观域中官能团的精确识别；（2）由于系统复杂性，难以将微观相互作用与宏观性能相关联；（3）缺乏数据驱动的框架来指导合理的材料设计。
本研究通过提出一种综合方法，将FT-IR二维相关光谱与ML相结合，定量分析生物炭改性生物沥青的老化缓解机制，填补了这些空白。我们系统研究了生物炭用量和热解条件如何影响热处理过程中的分子响应顺序和强度。所得光谱数据用于训练ML模型，直接从相互作用特征预测关键性能指标（如均方根误差（RMSE））。通过将定性的光谱观察转化为定量的相互作用指标，这项工作为高性能、低碳沥青材料的合理设计建立了新的范式，推动了科学理解和工程应用的进步。
