释放二氧化碳光还原的潜力：一种结合实验和机器学习的方法

《Journal of CO2 Utilization》：Unlocking the potential of CO2 photoreduction: A hybrid experimental and machine learning approach

　　

梅赫鲁内萨·普里玛（Meherunnesa Prima）| 阿里夫·侯赛因（Md. Arif Hossen）| 尤努斯·艾哈迈德（Yunus Ahmed）

• •
  机器学习（ML）模型被训练用于预测TNTA（三硝基甲苯）和g-C₃N₄/TNTA催化剂上的CO₂光还原反应。
• •
  CatBoost模型在该催化剂系统中取得了最佳的预测准确性。
• •
  SHAP分析表明，催化剂类型和照射时间是关键的控制参数。
• •
  贝叶斯优化确定了能够最大化CO₂光还原反应的操作条件。