Прогнозирование эффективности Z-схемной г-C3N4/SnS2 гетероструктурной фотокатализаторной системы с использованием машинного обучения для полной минерализации индиго кармина и выяснения путей деградации

Превращение солнечного света в инструмент очистки воды

Многие повседневные изделия — от джинсов и бумаги до лекарств и пищевых красителей — используют стойкие синтетические красители, которые могут сохраняться в реках и озёрах годами. Один из таких красителей, индиго кармин, придаёт насыщенный синий цвет, но также является токсичным и трудноудаляемым из сточных вод. В этой работе исследуется материал, работающий на солнечном свете, который не только устраняет окраску этого красителя, но и полностью разлагает его до простых, безвредных веществ; при этом машинное обучение помогает предсказать, насколько эффективно процесс будет работать в реальных условиях.

Упрямый синий краситель в нашей воде

Индиго кармин широко используется, потому что он дешёвый, яркий и стабильный — те самые свойства, которые затрудняют его удаление. Обычные методы обработки, такие как фильтрация, адсорбция на твёрдых сорбентах или коагуляция, часто лишь переносят краситель из воды в другое место, вместо того чтобы действительно разрушить его. Более того, оставшийся осадок может создать дополнительные проблемы утилизации. Необходимы методы, которые действительно «минерализуют» краситель — то есть разлагают его на базовые молекулы, такие как углекислый газ и вода, не оставляя стойкого органического загрязнения.

Проектирование светозависимого материала для очистки

Исследователи создали новый фотокатализатор — материал, использующий свет для запуска химических реакций — комбинировав два известных полупроводника в так называемую Z‑схему. Один компонент, графитоподобный углеродный нитрид (g‑C3N4), представляет собой неметаллический слоистый материал, поглощающий видимый свет, но страдающий от быстрого рекомбинирования возбуждённых зарядов. Другой компонент, дисульфид олова (SnS2), имеет узкую ширину запрещённой зоны, эффективно улавливает солнечный свет и хорошо взаимодействует с красителями, но сам по себе в основном действует как губка, удерживая краситель, а не разрушая его. С помощью простого одноэтапного термического процесса команда закрепила крошечные частицы SnS2 на тонких листах g‑C3N4 с разным содержанием, образуя плотно связанных «гетероструктур», которые с помощью рентгеновских, электронных микроскопических и спектроскопических измерений были подтверждены как хорошо связанных и структурно чистых.

От окрашенных отходов к чистой воде

В испытаниях на солнечном свету в воде с индиго кармином выделился один образец: композит с 5 процентами SnS2 (обозначенный GS5). Он удалял всю видимую окраску в течение 30 минут при умеренном количестве катализатора и минерализовал около трёх четвертей органического углерода, что указывает на то, что большая часть красителя была действительно разрушена, а не просто скрыта. Даже при в пять раз большей концентрации красителя тот же материал удалял почти 89 процентов загрязнения, явно превосходя отдельные компоненты и аналогичные системы, описанные в других исследованиях. Катализатор также работал в широком диапазоне pH, выдерживал многократное использование в пяти циклах и сохранял свою структуру, что говорит о практической пригодности для непрерывной очистки воды.

Как катализатор работает на атомном уровне

В основе улучшения лежит то, как два компонента делят и разделяют электрические заряды при облучении светом. В Z‑схеме электроны из одного материала рекомбинируют с дырками в другом, оставляя по разные стороны особенно сильные окисляющие «дырки» и восстановительные электроны. Они приводят к образованию в воде высокореактивных кислородных частиц, которые затем атакуют и фрагментируют молекулы красителя. Тесты с захватчиками — когда определённые реактивные виды выборочно блокируются — показали, что лидирующую роль играют супероксидные радикалы (реактивная форма кислорода), тогда как гидроксильные радикалы вносят меньший вклад. Подробный химический анализ обработанной воды с помощью газовой хроматографии–масс‑спектрометрии выявил последовательность промежуточных молекул, постепенно распадающихся на более мелкие, менее вредные фрагменты и, в конечном счёте, на простые кислоты, близкие к полной минерализации.

Давая алгоритмам предсказывать эффективность

Чтобы связать лабораторные результаты с практическим применением, команда обучила несколько моделей машинного обучения на своих экспериментальных данных. Модели принимали такие переменные, как время экспозиции и концентрация красителя, и научились предсказывать, какая доля красителя будет удалена при каждом условии. Среди протестированных подходов — Random Forest, опорные векторные машины, нейронные сети и градиентный бустинг — Random Forest показал наиболее точные и стабильные прогнозы, близко соответствуя измеренным показателям удаления. Это означает, что однажды обученные модели могут быстро прогнозировать эффективность катализатора в новых сценариях без необходимости проводить многочисленные дополнительные эксперименты, направляя инженеров к оптимальным условиям обработки.

Что это означает для чище воды

Для неспециалистов посыл прост: в этой работе показан недорогой материал, работающий на солнечном свете, который быстро удаляет стойкий промышленный краситель и в значительной степени разрушает его, а не просто маскирует. Катализатор прост в изготовлении, требуется небольшое его количество и он может многократно использоваться, что делает его привлекательным для реальной очистки сточных вод. Сочетая тщательные эксперименты с современными инструментами машинного обучения, исследование также демонстрирует, как можно более интеллектуально разрабатывать и настраивать будущие технологии очистки воды, ускоряя путь от лабораторного открытия к практической очистке рек и озёр.

Цитирование: Gaur, R., Parmar, H., Patel, J. et al. Machine learning-driven performance prediction of Z-scheme g-C₃N₄/SnS₂ heterostructure photocatalyst for complete mineralization of indigo carmine and elucidation of degradation pathways. Sci Rep 16, 6403 (2026). https://doi.org/10.1038/s41598-026-37528-5

Ключевые слова: очистка воды, фотокатализ, очистка сточных вод, машинное обучение, промышленные красители