伴随大气CO2富集、水体抗生素残留两大环境难题日趋严峻，分步治理污染物工艺繁琐、资源浪费严重，同步实现CO2资源化与抗生素无害化降解成为环境催化的研究热点。现有异质结催化剂大多界面结合薄弱、晶体与缺陷难以精准调控，催化协同效果受限，亟需设计新型复合催化材料。

在此背景下，盐城工学院解明华、杨秀丽课题组联合生态环境部南京环境科学研究所张琳团队，依托静电纺丝技术结合自组装单分子层（SAMs）界面调控策略，成功开发人工智能（ANN）辅助精准改性MOFs复合纳米纤维催化剂，相关成果ANN-assisted Interfacial Engineering of MOFs Heterostructures for Synergistic CO2 Photoreduction and Antibiotic Elimination正式发表于《Chemical Engineering Journal》（2026, 541, 177925）。

图1. 基于SAMs的可控MOFs生长

如图1所示，研究先通过静电纺丝工艺制备连续光滑TiO2纳米纤维，再采用6种不同官能团自组装单分子层修饰纤维表面，利用逐层原位生长在电纺纤维表面共价包覆UiO‑66‑NH2。

一系列表征结果证实：六种官能团锚定效果差异显著，-COOH可实现MOFs均匀致密包覆、结晶度最优、对CO2吸附性能最好（图2a-b）。TEM结果显示（图2c），UiO‑66‑NH2晶粒均匀致密锚定在TiO2-COOH纤维表层，沿纤维连续包覆，形成紧密的异质结构。静电纺丝构筑的连续网络可优化电荷传输效率，MOFs固有多孔结构强化反应物吸附富集，二者结构优势协同构建多级孔道体系，为底物吸附、电荷传输提供高效通道。

图2. 复合材料结构表征

图3. 协同CO2光还原与抗生素矿化评价实验

如图3所示，在可见光照射、无外加牺牲剂体系中，最优Ti-C-UiO-Cu样品可实现污染物协同催化：盐酸四环素（TCH）作为天然电子给体可显著助推CO2还原，CO生成速率高达324.8±10.41 μmol・g-1・h-1，CO产物选择性96.96%，相较纯水体系CO产率提升3.4倍；对土霉素、环丙沙星、磺胺甲恶唑等多种常用抗生素均具备优异降解能力。

图4. 基于ANN的前沿光催化剂预测与设计

如图4所示，研究引入人工神经网络ANN模型量化解析各实验参数权重，CO产率、四环素降解率、表观量子产率三组输出变量决定系数R2分别可达0.9798、0.9521、0.9894。特征重要性分析证实：表面官能团类型是影响催化性能的第一关键因素，其次为Cu掺杂量、LBL生长层数，为后续同体系催化剂定向优化提供数据指导。

该MOFs复合纳米纤维兼顾静电纺丝材料柔性成型优势与MOFs多孔吸附特性，依托一体化协同催化实现大气碳固定与水体抗生素废水同步治理，在CO2资源化、抗生素废水深度处理、环境修复等场景具备广阔落地应用潜力。同时SAMs+ANN联用的精准界面工程思路，为后续新型环境光催化纤维材料开发提供新的思路。

论文链接：https://doi.org/10.1016/j.cej.2026.177925

人物简介

解明华、杨秀丽教授团队长期从事功能MOFs功能调控及其智能化环保应用研究，围绕MOFs手性识别、智能精准锁钥传感及绿色环境催化等。近年来主持国家自然科学基金、科技部外专项目、江苏省重点研发计划等国家与省部级项目15项，入选江苏省333、青蓝工程中青年学术带头人等省级人才培养对象计划，在Angew. Chem. Int. Ed.、Adv. Mater.、Energy Environ. Sci.等权威期刊发表研究论文近50篇，单篇引用最高超500次；授权美国发明专利、中国发明专利32项，获江苏省科学技术奖三等奖等奖励17项。近期，研究团队主动适应人工智能时代基础科研发展新模式，以深度学习智能算法驱动开发智能传感系统，实现材料设计高通量筛选预测，部分研究成果实现应用转化，为面向环境、健康的智能化技术产品开发探索构建全新发展路径。