微塑料在环境中广泛存在，并经历老化过程，导致其表面理化性质发生变化，而这些理化性质的变化会进一步影响微塑料的环境行为（如释放、吸附等）。因此，追溯微塑料在环境中的老化过程对于理解其环境行为和评估环境风险具有重要意义。近日，我校化工海洋与生命学院单佳佳副教授课题组探索利用多模态深度学习追踪微塑料老化历程，并预测其早期受到的老化因子类型，取得研究进展。研究成果以封面论文发表在环境领域顶级期刊《Environmental Science & Technology》。

期刊封面图和利用深度学习追踪微塑料老化历程示意图

单佳佳副教授课题组利用数据科学从多维度揭示了经过不同老化历程的微塑料老化特征的差异性，并且利用多模态老化特征建立了微塑料老化历程预测模型，首次将老化微塑料的各种特征综合到一个统一的框架中，实现了对微塑料老化历程的溯源的初步探索。该研究还提出建立一个从野外采集、实验室老化、文献中收集等的微塑料老化特征库，并且构建了数据库内部之间的关系，希望建立一个更加全面的微塑料老化指纹库，为未来更加准确的微塑料老化历程溯源模型做好基础。

论文的通讯作者为单佳佳副教授，第一作者是李云龙硕士生。该研究得到了国家自然科学基金青年基金项目的资助支持。

论文信息： Yunlong Li, Xue Wang, Han Zhang, Qing Wang, Xun Cao, Rongyi Gong, Jianli Guo, Jiajia Shan*. Tracing Microplastic Aging Processes Using Multimodal Deep Learning: A Predictive Model for Enhanced Traceability. Environ. Sci. Technol. 2024, 58 (41), 18335-18344.

论文链接：https://pubs.acs.org/doi/10.1021/acs.est.4c05022

审核：王天舒