2024年10月，我中心科研团队在农林科学领域权威期刊《Industrial Crops and Products》（中科院一区TOP期刊）上发表了题为“Optimization of reed-based polyol production driven by response surface methodology and machine learning: Process modeling and hydroxyl value prediction”的研究论文。该研究利用响应面法（RSM）和结合遗传算法（GA）的人工神经网络（ANN）对芦苇的酸催化液化过程进行了建模和优化，并成功应用开发的机器学习模型快速准确地预测了产物的羟值。本研究为生物质基多元醇的低成本实验室开发过程提供了新的视角，有望促进其在高分子材料工业中的进一步应用。团队骨干成员吴松林博士为该论文第一作者，研究得到了国家自然科学基金和湖南省研究生创新基金的资助。  

　　为了实现可持续发展目标，如何将生物质资源转化为高附加值化学品成为学术界和工业界关注的热点。芦苇（Phragmites australis），作为一种在全球广泛分布的木质纤维素生物质资源，其在生物质多元醇制备方面的潜力尚未被充分挖掘。木质纤维素生物质的液化过程复杂，确定各种因素对液化效率的影响并分析最佳液化工艺是一个既耗时又昂贵的过程。传统的实验设计方法已无法满足对生物质多元醇生产过程深入研究和优化的需求。 

　　本研究采用RSM和GA-ANN模型对芦苇液化过程进行建模和优化，并比较了这两种模型在预测芦苇基多元醇得率方面的适用性。此外，本研究还应用了之前研究所开发的木质纤维素生物质酸催化液化过程的预测模型，对芦苇的液化产物羟值进行了预测，旨在降低生物质化学品开发阶段的成本。本研究有助于深入理解芦苇的液化过程，为芦苇资源的高值化利用和生物基高分子材料产业的低成本、可持续发展提供了重要的参考依据。

（一审\周鹰  二审\胡壹  三审\闫昌明）