云南师范大学能源与环境科学学院清洁能源热利用及低碳技术装备开发团队在国际期刊《Renewable and Sustainable Energy Reviews》（IF=18）上发表题为《Advances in machine learning for biomass pyrolysis：Product prediction,process optimization and mechanistic interpretation》（https://doi.org/10.1016/j.rser.2026.117239）。能环学院2024级硕士研究生付鑫晶为第一作者，资文华教授为通讯作者，云南师范大学为第一通讯单位，西南联合研究生院为第二通讯单位。

生物质热解是实现农林废弃物资源化利用和可再生能源生产的重要热化学转化技术。然而，热解过程涉及复杂的物理化学反应，产物分布受到原料性质、反应条件及催化剂等多种因素影响，传统实验与机理模型在复杂非线性关系解析、产物精准预测及过程高效优化方面仍面临挑战。机器学习凭借其强大的数据挖掘和非线性建模能力，为解决上述问题提供了新的技术路径。本文综述了机器学习在生物质热解领域的研究进展，重点围绕产物预测、过程优化和机理解析三个方面，总结其技术优势、应用现状及未来发展方向。

首先，论文详细分析了机器学习在生物炭、生物油和合成气产率、组成及理化性质预测中的应用，系统总结了遗传算法、粒子群优化和贝叶斯优化等智能优化方法与机器学习模型的协同策略及其在热解工艺参数优化和逆向设计中的研究进展。其次，探讨了可解释人工智能在热解机理辅助解析中的应用，通过SHAP等方法识别影响热解过程和产物分布的关键因素。同时，论文总结了机器学习与先进表征技术的融合应用，并探讨了机器学习辅助生命周期评价和技术经济分析在生物质热解可持续性评价中的应用潜力。最后，论文对当前研究中数据标准化不足、模型泛化能力有限及机理融合程度不高等问题进行了总结，并概括了标准化多模态数据库构建、物理机制与数据驱动模型融合以及热解过程实时智能监测与控制等未来发展方向。该论文为人工智能技术与生物质热化学转化的深度融合提供了重要的理论依据和研究参考。

以上研究成果得到国家自然科学基金项目（32460453、32060416）和云南省“兴滇英才支持计划”产业创新人才（YNWR-CYJS-2020-041）等资助。

（能源与环境科学学院 供稿）