《Journal of Hazardous Materials》：Machine learning-guided design of crosslinked cellulose acetate ultrafiltration membranes for sustainable water purification
编辑推荐：
摘要有害有机污染物在水资源中的积累危害生态系统与人类健康，使得获取清洁饮用水成为一项重大挑战。可生物降解的醋酸纤维素（CA）基超滤（UF）膜被认为是去除这些污染物的理想材料，但其实际应用受限于较差的压实抗力和抗污染性能。在此，我们提出了一种机器学习（ML）引导的膜设计策略，通
摘要
有害有机污染物在水资源中的积累危害生态系统与人类健康，使得获取清洁饮用水成为一项重大挑战。可生物降解的醋酸纤维素（CA）基超滤（UF）膜被认为是去除这些污染物的理想材料，但其实际应用受限于较差的压实抗力和抗污染性能。在此，我们提出了一种机器学习（ML）引导的膜设计策略，通过异氰酸酯基团介导的交联反应，将木质素磺酸钠（SL）引入CA基质中，制备出具有优异压实抗力和抗污染性能的交联CA基UF膜。得益于CA链间的交联作用，所制备膜的弹性模量比纯CA膜高出5.8倍，且在3 bar压力下经过5小时过滤后其孔结构仍保持完整。同时，SL的加入改善了膜的抗污染性能，使其对污染物的截留率高达98%，通量恢复比达98%。值得注意的是，该膜在实际地表水净化中展现出优异的污染物去除能力和可重复使用性，优于商用UR030膜。这种ML引导的交联膜设计策略为开发高性能CA膜提供了有效途径，促进其在可持续水净化中的实际应用。
引言
人口和工业活动的快速扩张导致大量有害污染物排入地表水，通过污染饮用水源对生态系统和人类健康构成严重威胁[1]。超滤（UF）膜技术可有效去除水中的悬浮颗粒、胶体和有机污染物，同时具有能耗低、操作简便、分离效率高等优势，使其适用于从地表水源生产清洁饮用水[2]。目前，大多数UF膜由石油基聚合物制备，包括聚醚砜（PES）和聚偏氟乙烯（PVDF）。然而，这些聚合物在自然条件下难以降解，废弃后可能对环境造成二次污染。其较高的生产成本也限制了UF膜的长期应用，对水处理应用的长期经济性带来可持续挑战。因此，开发可持续且可生物降解的膜材料已成为UF膜研究中的关键问题。
醋酸纤维素（CA）源自可再生的植物纤维素，因其成本低、成膜性好且可自然生物降解，被认为是制备可持续UF膜的理想材料[3]、[4]、[5]。尽管CA基UF膜已成为商业化可生物降解膜之一，但其固有的力学强度不足仍限制了其在水净化中的广泛应用[6]、[7]。由于CA链间的分子间作用力较弱，膜孔在跨膜压力下容易发生变形或塌陷，严重削弱了CA膜在长期运行过程中对污染物的持续去除能力[8]、[9]、[10]。为克服这一应用瓶颈，我们此前的研究提出了一种基于异氰酸酯交联剂与CA链上羟基反应的交联增强策略[11]。通过增强CA分子间的分子间相互作用，该策略可稳定膜孔结构，防止压力引起的变形，从而实现污染物的持续截留。尽管交联网络可改善CA膜的结构稳定性并抑制压力引起的压实，但亲水羟基的消耗不可避免地降低了膜的亲水性并加速了膜污染。
近年来，将亲水聚合物掺入膜基质已被证明是同时增强膜亲水性和抗污染性能的有效方法[12]、[13]。木质素磺酸钠（SL）作为源自木质素的亲水聚合物，因其资源丰富、经济可行及功能化学多样性而备受关注[14]、[15]。尤其，SL含有大量亲水且带负电荷的基团，包括磺酸基和羟基，这些基团可促进膜表面形成稳定的水化层，从而抑制污染物吸附[16]、[17]。同时，它们还可调节膜的孔结构和表面电荷特性，进一步增强对污染物的排斥作用[18]、[19]。值得注意的是，膜基质、亲水聚合物与交联剂之间的相互作用共同决定了UF膜的性能，使得传统的膜制备过程更加复杂和耗时。此外，由于制备条件与膜性能之间存在复杂的非线性关系，寻找最佳的制备条件组合成为一大挑战。机器学习（ML）是一种基于数据驱动方法的模型，能有效识别各输入变量之间的相互关系，已被广泛应用于膜研究[20]。因此，基于制备条件与膜性能之间的高效预测，ML与膜设计的结合可降低膜的生产成本并设计满足要求的高性能膜。
在此，我们提出了一种ML引导的交联CA基UF膜设计策略，旨在制备具有增强压实抗力和抗污染性能的膜，以实现可持续水净化。在该设计中，异氰酸酯基团与羟基反应形成氨基甲酸酯键（–NH–COO–），从而构建均匀交联网络，有效增强压实抗力[21]。同时，富含亲水和带负电基团（–OH和–SO?H）的SL聚合物提高了亲水性和表面负电荷密度，有效抑制污染物的吸附和沉积（图1A）[22]、[23]。ML框架采用极端梯度提升（XGBoost）模型构建，用于指导膜制备过程并确定最佳制备条件（图1B）[24]、[25]。同时，采用Shapley加性解释（SHAP）分析和偏依赖图（PDP）分析揭示制备参数对膜性能的相对重要性和各自贡献，从而实现制备条件的最优化组合[26]、[27]。此外，该膜可通过连续浇铸工艺制备成大面积膜，在实际地表水处理中展现出优异的污染物去除能力和可重复使用性。总体而言，ML引导的交联CA膜设计策略解决了传统CA膜压实抗力差和易污染的问题，为实现长期稳定的污染物去除提供了有前景的路径。
章节摘要
材料与膜表征
关于材料及膜表征的详细信息请参见补充文本S1–S3。
UF膜的制备
采用非溶剂诱导相分离（NIPS）法成功制备了UF膜[28]。首先，将SL加入DMAc溶液中，在80 °C下反应3小时以确保完全溶解。随后，在持续搅拌下逐步加入成孔剂（PVP）和CA。最后，在加入异氰酸酯基交联剂后
机器学习引导的膜设计
在ML模型中，大部分制备参数的相关系数低于0.7（图2A），证实了它们之间的相对独立性，从而缓解了通常与多重共线性相关的过拟合和预测精度下降的风险[33]。值得注意的是，在三种交联剂中，HDI贡献的整体输入流最大，而IPDI和MDI的贡献相对较低（图S1）[34]。此外，XGBoost模型实现了
结论
总之，我们开发了一种ML引导的交联膜设计策略，用于制备具有优异压实抗力和抗污染性能的CA基UF膜，实现了可持续的污染物去除。通过异氰酸酯基团介导的反应，亲水性SL被固定到CA基质中构建稳定的交联网络，同时增强了膜的结构完整性和表面亲水性。基于XGBoost的ML框架结合SHAP
环境意义
有害有机污染物广泛存在于地表水中，对水生生态系统和人类健康构成威胁。本研究提出了一种基于机器学习设计的交联醋酸纤维素超滤膜，可实现高效污染物去除。其交联结构可抵抗压力引起的变形，其抗污染性能有效抑制污染物沉积，确保在实际水处理过程中稳定运行。通过
CRediT作者贡献声明
赵鹏：形式分析，数据整理。曹丹：方法学，概念化。于秋宇：写作—初稿，调查研究，数据整理。刘宫言：写作—审阅与编辑，监督指导。张晓倩：调查研究。黄茂林：调查研究。李心通：调查研究。
利益冲突声明
作者声明不存在任何可能影响本文所报告工作的已知竞争性经济利益或个人关系。
致谢
本研究得到国家自然科学基金（22378281）、四川省科技计划项目（2025YFHZ0299）以及四川大学—自贡市合作项目（2024CDZG-6）的资助。
于秋宇 | 曹丹 | 赵鹏 | 李心通 | 黄茂林 | 张晓倩 | 刘宫言
四川大学，生物质科学与技术学院，成都 610065，中国
