人工神经网络指导的植物合成在棉纤维上构筑Pd/Pt双金属纳米颗粒：利用藏红花废料实现具有抗菌和比色特性的可持续纺织功能化

把作物废料变成更聪明的织物

我们大多数人每天都穿棉料，但很少有人思考这些织物如何变得更安全、更可持续。该研究展示了如何将藏红花生产的剩余物——通常被丢弃的材料——转化为高价值成分，使棉织物具备强效的抗菌性能以及更丰富、更持久的色泽。通过将绿色化学与人工智能相结合，研究人员描绘了一条通往既保护人类又保护环境的服装和医疗纺织品之路。

从“红色黄金”废料到有用染料

藏红花以其鲜艳的红色柱头闻名，但花的大部分——花瓣和雄蕊——最终成为低价值的农业废料。这些被丢弃的部分实际上富含多酚和类黄酮等天然化合物，既能给织物着色，又能促成微小金属颗粒的形成。在这项工作中，研究团队采用家用风格的微波工艺，从干燥研磨的藏红花花瓣和雄蕊制备了基于水的提取物。这种温和的方法在相对较低功率和短时间内进行，将多彩且反应性强的分子溶出到溶液中，无需使用强烈化学药品，使其成为大规模、环保纺织整理的有吸引力的选择。

在棉纤维上直接“生长”微小金属助剂

研究人员没有先在单独步骤中制备纳米颗粒，而是直接在水相中于棉纤维上形成钯‑铂（Pd/Pt）纳米颗粒。当钯和铂盐溶液与藏红花提取物混合并在微波下加热时，植物化合物像微型工厂一样发挥作用：它们将金属离子还原为固体颗粒，并同时将其固定在棉纤维上。显微镜观察和其他分析工具证实，所得颗粒确为纳米尺度——直径约50–70纳米——并沿纤维相对均匀分布，同时未损害棉纤维的天然结构。化学指纹显示植物分子与棉纤维自身的表面基团共同帮助锚定颗粒，从而提高了其在洗涤过程中的稳定性。

让神经网络来调整配方

由于影响织物吸色程度的因素众多——例如花瓣提取物、雄蕊提取物、钯和铂的用量——团队求助于机器学习以寻找最佳组合。他们将50次精心设计的染色实验数据输入到人工神经网络（一种受大脑神经元网络启发的计算模型）中。配合通过多代“进化”更优解的遗传算法，模型在设计空间中搜索能最大化颜色强度（衡量色调深浅和饱和度）的混配方案。模型预测的优化配方与实验结果高度一致，相关系数为0.99，并使棉料呈现出明显更深、更饱和的色彩，相较于仅用提取物的效果更佳。

持久的颜色与能对抗病菌的织物

除了外观出色外，经处理的织物在实际测试中也表现令人印象深刻。仅用藏红花废料提取物染色的棉料就已显示出一定的天然抗菌活性，这要归功于能对细菌细胞施加应激或破坏其结构的植物性化合物。而当添加了Pd和Pt纳米颗粒后，这种效应被显著放大：在标准纺织品测试方法下，最佳样品对大肠埃希氏菌（常见的革兰氏阴性菌）和金黄色葡萄球菌（革兰氏阳性菌）均杀灭约99%。同时，纳米颗粒的存在大幅加深了色彩并提高了抗洗、耐摩擦和耐光褪色能力，经十次洗涤循环后金属含量仅有轻微损失。

这对日常服装和医疗用品意味着什么

对非专业读者而言，结论很直接：这项研究表明农业废弃物可以被转化为下一代纺织品的关键成分。藏红花副产物曾几乎无价值，但在此被用于在水相和适度微波加热下直接在棉上生长并固定微小金属颗粒。在人工智能的指导下，该工艺可产出更具色彩、更耐褪色且能强效抵抗有害细菌的织物——同时避免了传统整理中许多有毒化学品和高能耗步骤。如果放大到产业规模，这类方法有望将更安全、更环保的手术衣、口罩及日常服饰推向市场。

引用: Sadeghi-Kiakhani, M., Hashemi, E., Norouzi, MM. et al. Artificial neural network-guided phyto-synthesis of Pd/Pt bimetallic nanoparticles on cotton: sustainable textile functionalization with antibacterial and colorimetric properties from saffron waste. Sci Rep 16, 6857 (2026). https://doi.org/10.1038/s41598-026-36565-4

关键词: 抗菌纺织品, 绿色纳米技术, 藏红花废料, 钯铂纳米颗粒, 智能棉织物