报告人简介：
张慧春，美国凯斯西储大学土木与环境工程系的Frank H. Neff讲席教授。2004年佐治亚理工大学环境工程博士学位，1994年和1997年南京大学环境化学学士和硕士学位。主要的研究领域是复合体系中氧化还原界面过程及新型污染物的迁移转化过程，以及高级氧化过程。最近的研究涉及利用机器学习来获得污染物的反应与吸附模型。研究发表在Chemical Reviews, ES&T, Water Res.，Appl. Catal. B，等国际知名期刊上。到目前为止共荣获7项美国国家自然科学基金，及多项其他研究项目。曾任北美华人环境工程与科学教授协会(CAPEES) 会长 (2016-2017), 现任ACS ES&T专题编辑。曾获 Nanova/CAPEES Frontier Research Award, CAPEES Award for Environmental Application of AI/ML,ES&T Best Paper Award, 和 ACS Gonter Research Paper Award。
报告内容简介:
环境相关的化学反应已经被广泛研究，但对不同条件下化学反应的动力学的准确建模依然极具挑战。已有研究往往基于传统的定量结构活性关系（QSARs），但这些建模方式通常需要繁复的特征工程。近年来，机器学习日益成为一个非常有潜力的化学反应建模手段，因为它不仅取得了比传统手段更好的效果，还可以利用多样化的化学表示方式。在此，我们用几个最新例子来展示如何利用机器学习对不同的化学反应进行建模。在这个演讲中，我们将聚焦于如何通过谨慎的数据整理和广泛的特征工程来开发可信赖的基于小型数据集的机器学习模型，即考虑尽可能多的重要特征，以便即使是一个小型数据集也能捕捉到化学反应性的变化。示例包括好氧生物降解、高级氧化过程以及有机和无机化合物的非生物还原和吸附。我们还将讨论最近针对伊利湖（五大湖之一）有害藻类水华程度的预测模型。
