综述：从天然提取物变异性到可重现纳米材料：农业食品废弃物绿色合成的 AI-QbD 策略

《Progress in Materials Science》：From natural-extract variability to reproducible nanomaterials: AI-QbD strategies for green synthesis from agro-food waste

　　

摘要

利用农林食品废弃物提取物绿色合成金属纳米粒子，与传统的化学方法相比具有环境和经济方面的优势，使用天然植物化学物质作为还原剂和稳定剂。然而，植物原料固有的变异性，源于季节性波动、地理来源和提取方案的差异，对可重复性和标准化提出了重大挑战。目前文献中记录的系统化表征合成研究不足300项，所采用的方案未经统一协调，且植物提取物的成分在季节和地域上固有地波动15–30%，限制了工艺参数在不同废弃物来源间的泛化能力。本综述批判性地考察了植物化学物质介导的纳米粒子形成的材料科学基础，包括酚类化合物、黄酮类和萜类在金属离子还原、成核动力学和表面包覆中的机理作用。我们分析了原料成分和提取条件如何影响粒径分布、形貌、结晶度和表面化学性质，这些性质最终决定了生物身份和功能性能。随后我们评估了质量源于设计（QbD）框架和人工智能（AI）方法在解决这些可重复性挑战方面的潜力。然而，我们强调在人工智能部署可行之前仍存在重大先决条件：文献中报道的人工智能模型性能在异构植物废弃物来源中的准确率为65至85%，远低于理想化的估计值，且当前模型受限于数据集规模并存在过拟合风险。我们提出了一个分阶段实施路线图：第一阶段（18–24个月）需建立统一的植物表征方案和受控的提取程序；第二阶段需在多个废弃物来源中完成300–500项有记录的合成实验；第三阶段方可在此基础上构建预测性人工智能模型。在整个论述中，我们区分了已获证实的证据、新兴的概念验证结果，以及需要进一步充分验证后方可实现临床或工业转化的领域。

Jennifer Gubitosa|Vito Rizzi|Paola Fini|Pinalysa Cosma