近日，雅典农业大学研究团队在《Polymers》期刊发表最新成果，成功开发出一款基于机器学习的高生物降解塑料（PHBV）降解速率预测模型。传统实验室评估PHBV在自然环境中的分解周期长达数月甚至数年，严重制约材料研发进程。该团队领导Chrysanthos Maraveas及其同事整合近三十年间13项权威研究的逾千组实验数据，构建专属数据库，并分别运用随机森林与XGBoost算法进行训练。测试表明，两类模型在未知数据上的判定系数均稳定在0.95至0.97之间，展现出卓越的泛化能力与预测精度。 模型深入分析指出，降解时间虽为核心变量，但环境温度、聚合物单体比例、表面侵蚀机制、微生物群落类型及添加剂含量等要素亦共同主导分解动力学过程。为加速技术转化，随机森林算法已部署于Jaqpot平台，转为免费公开的网络交互工具。该工具允许研发人员实时输入配方与环境参数，即时获取降解预测结果。此项技术突破不仅大幅缩短了环保材料测试周期，更为遵循安全与可持续设计原则开发下一代非微塑料生物基材料提供了关键数据支撑，有望在废弃物管理基础薄弱的地区推动绿色塑料的规模化应用。