与客户同行 | 大连理工大学环境学院:从仪器测试到AI解谱的科研数智化实践
在高校公共分析测试平台,一次仪器测试的结束,往往意味着数据分析工作的开始。对于环境领域常见的电子顺磁共振测试而言,仪器可以捕捉自由基信号,但要从复杂谱图中识别不同活性物种、分析反应过程,仍然需要大量专业判断。在大连理工大学环境学院,EPR测试与国仪量子EPRMind AI解谱平台的结合,正在改变这一过程。人工智能被引入谱图拟合、组分拆分和信号归属环节,帮助师生更高效地处理自旋捕获谱图,也为学院公共分析测试平台的数智化建设提供了一个具体实践。
高水平科研背后的实验平台
大连理工大学环境学院成立于2000年5月。经过20余年发展,学院环境学科先后被确定为“211工程”和“985工程”重点建设学科,拥有“环境科学与工程”一级学科博士授予权和博士后科研流动站。“环境工程”为国家重点学科,“环境科学与工程”在教育部第四轮学科评估中获评A-,“环境/生态学”进入ESI全球前1%。
面向生态文明建设的国家重大需求,学院逐步形成工业废水治理与资源化、固废处理处置与高值化、化学品风险预测与智能设计、环境智能传感与应急监测、低空气象探测与智慧预报、近海生物资源与污染防控等特色方向。
学科发展和科研成果的取得,离不开公共分析测试平台的支撑。目前,学院平台配备50多台大型精密仪器,包括高效液相色谱-四极杆/静电场轨道阱联用仪、超高效液相色谱-三重四级杆串联质谱、气相色谱-串联四级杆飞行时间质谱、同步热分析-红外光谱-气相质谱联用系统、X射线光电子能谱仪、扫描电镜、电子顺磁共振波谱仪、物理/化学吸附仪、激光共焦显微拉曼光谱、激光共聚焦显微镜和激光闪光光解仪等,可满足常规无机、有机样品的定性定量分析和结构性质表征。
大连理工大学环境学院
EPR捕捉环境反应中的自由基
在污染物高级氧化处理中,反应过程往往快速且复杂。识别参与反应的活性物种及其作用,是分析污染物去除机制的重要环节。
EPR是研究自由基的重要工具。在大连理工大学环境学院,师生主要利用EPR对反应过程中的活性物种进行定性识别与表征。尤其在污染物处理的高级氧化研究中,EPR常被用于检测和识别羟基自由基、超氧自由基、硫酸根自由基等关键活性物种,为分析反应路径和理解反应机理提供实验依据。
对于寿命较短、难以直接检测的自由基,通常先使其与自旋捕获剂反应,形成相对稳定的自旋加合物,再通过EPR测量其特征信号。该方法为自由基的间接识别提供了实验依据,也使EPR成为环境机理研究中常用的表征手段。
大连理工大学环境学院公共分析测试平台中的国仪量子EPR200-Plus电子顺磁共振波谱仪
测到信号之后,解谱成为难题
环境反应体系通常包含多种组分。在自旋捕获实验中,多种自由基可能同时存在,不同自由基形成的自旋加合物谱图又容易相互重叠。研究人员面对的往往不是一组边界清晰的信号,而是一张由多个组分共同构成的复杂谱图。
要准确完成谱图解析,操作者需要掌握EPR原理,熟悉不同自由基的特征参数,还要结合实验条件反复开展谱图拟合、组分拆分和信号归属。这个过程依赖专业经验,手动分析也需要较长时间。
对公共分析测试平台来说,这一问题更加突出。平台服务不同课题组,用户的研究方向和EPR使用经验各不相同。如何在保证专业性的同时提高解谱效率,降低复杂谱图的分析门槛,成为平台仪器管理人员一直关注的问题。
“我们一直在寻找一种更加方便、可靠的工具来辅助EPR谱图解析。”学院平台仪器管理人员表示。
测试完成,并不意味着答案已经出现。
AI让复杂谱图解析更高效
国仪量子开发的EPRMind AI解谱平台,为这一需求提供了新的解决方式。该平台依托深度预训练模型和内置的标准参考谱库,可以辅助完成多组分谱图的一键解析和智能归属,将过去较为繁琐的手动解谱过程转化为更直观、高效的数据分析流程。
据平台反馈,使用EPRMind后,专业人员可以提高谱图处理效率,初次接触EPR的师生也能更快了解谱图组成和自由基归属。AI工具承担了部分重复的数据分析工作,使研究人员能够把更多时间投入实验设计、结果判断和科学问题本身。
对于公共分析测试平台而言,这种改变并不只体现在分析速度上。过去,平台的主要任务是完成样品测试、获得可靠数据;引入智能解谱工具后,平台可以进一步向数据分析环节延伸,帮助用户缩短从获得谱图到理解结果的过程。
高金索老师使用EPRMind开展谱图解析
EPRMind AI解谱平台
“仪器+AI”打开平台建设新思路
当前,大连理工大学环境学院正在积极推进“数智变革”。EPR与AI解谱的结合,让学院看到大型仪器平台智能化建设的一种可行路径:仪器负责获得稳定、可靠的实验数据,AI工具辅助完成复杂数据处理,专业人员则把更多精力放在方法把关、结果判断和科研服务上。
从仪器测试到智能解谱,大连理工大学环境学院以真实科研需求为出发点,将EPR与人工智能工具融入环境研究和平台服务。EPRMind在自旋捕获谱图解析中的应用,是学院数智化探索中的一个切口,也为实验平台如何更好支撑学科建设、科技创新和人才培养提供了新的思路。