基于人工智能全氟化合物快检与高效降解技术研究

全氟/多氟烷基化合物（PFAS）高毒性难降解，在水中多以全氟羧酸（PFCAs）混合形态赋存，现有检测手段仅能检测单体浓度，无法直观反映混合物毒性。针对上述问题，课题组同步开展PFCA混合毒性快速检测与降解机理研究：一方面构建了基于荧光探针结合堆叠集成机器学习的分析框架，依托简易荧光探针，结合XGBoost、CatBoost基学习器与Ridge元学习器解析光谱与全氟辛酸当量毒性（PFOAe）的非线性关联，实现水体PFCA混合物毒性快速检测。

另一方面系统探究了UV/Na₂SO₃、UV/吲哚、UV/3-吲哚乙酸（IAA）三种水合电子体系对不同链长PFCA的降解差异，阐明了水合电子生成效率与分子间作用的协同调控机制。研究明晰了不同水合电子体系降解PFAS的内在机理，同时建立了可靠的PFCA混合毒性快速筛查方法，为水环境PFAS污染的风险评估与高效治理提供了理论支撑与技术新思路。

谷成，南京大学教授，博士生导师，南京大学国际化工作处处长，教育部长江学者特聘教授，首批国家优青，国家重点研发专项首席科学家。研究方向主要围绕新污染物的原位界面表征、新污染物界面转化机制和界面调控新污染物高效吸附和降解开展系统性科学研究，主持多项国家重大研发专项和国家自然科学基金项目。

在Nature子刊等国际学术期刊发表论文200余篇。研究成果入选中华跨国应用专利转化十大典型案例，2025年度日内瓦发明展最高奖“特别嘉许金奖”和中国国际发明展金奖，2025年度江苏省环境保护科学技术奖一等奖。