当前位置: 首页 > news >正文

分子动力学揭秘轻木生物炭吸附微塑料:从原子尺度破解 “吸附黑箱”,为污染治理提供新理论

理论价值

  1. 填补分子尺度机制空白:突破传统研究 “重宏观、轻微观” 的局限,首次通过分子动力学(MD)模拟,将轻木生物炭吸附微塑料的机制从 “宏观吸附容量描述” 推进到 “原子级作用力量化”,明确范德华力(80~90%)为核心驱动力、静电作用次要贡献、氢键可忽略的作用规律,解决了 “多作用力耦合下主导机制不明” 的关键科学问题。
  2. 建立 “结构 - 性能” 理论关联:通过构建生物炭全原子模型(BC300 用萘单元、BC700 用 HBC 单元),量化了 “表面含氧官能团含量→相互作用能强度→吸附容量”“孔隙结构发达程度→扩散系数→吸附动力学” 的构效关系,为碳基吸附材料的分子设计提供理论范式。
  3. 验证 MD 模拟的可靠性:实现宏观实验(吸附容量顺序 PS>PA>PE)与微观模拟(相互作用能顺序 PS>PA>PE)的高度吻合,证明 MD 模拟可作为 “预测吸附性能、解析作用机制” 的有效工具,为后续微塑料吸附领域的理论研究提供方法参考。

应用价值

  1. 指导生物炭定向优化:明确 BC300 因高含氧官能团更适合 “高容量吸附”,BC700 因高扩散速率更适合 “快速动态处理”,为实际污染治理中 “按需选择生物炭热解温度” 提供依据;同时提示 “强化表面 π 电子位点(如保留芳香结构)” 可提升 PS 类微塑料去除效率,为生物炭改性提供靶向方向。
  2. 降低污染治理成本:基于轻木(低成本可再生原料)的研究基础,结合 MD 模拟对 “吸附机制的精准解析”,可减少传统 “试错式改性” 的实验成本,加速生物炭从实验室走向实际水体微塑料修复的产业化进程。

文献介绍

近日,内蒙古农业大学刘文静教授团队(材料科学与艺术设计学院 / 内蒙古沙生灌木纤维化及能源开发利用重点实验室)在《Separation and Purification Technology》(分离纯化领域权威期刊,IF:9.1,JCR Q1 区)发表关于 “轻木生物炭吸附微塑料的分子动力学模拟机制” 研究。研究核心是通过宏观吸附实验与分子动力学(MD)模拟深度耦合,首次从原子尺度阐明轻木生物炭(300℃/700℃热解)对聚苯乙烯(PS)、聚酰胺(PA)、聚乙烯(PE)三种典型微塑料的吸附驱动力、扩散规律及热力学本质,破解了长期以来生物炭吸附微塑料的 “分子黑箱”,为高效碳基吸附剂的设计与应用提供关键理论支撑。

背景介绍

微塑料(MPs)作为 “环境隐形杀手”,已广泛存在于海洋、陆地、大气中,通过食物链累积威胁生态稳定与人类健康,开发高效去除技术迫在眉睫。

现有微塑料去除技术中,吸附法因 “操作简便、无二次污染、速率快” 成为主流,但核心瓶颈在于:吸附机制不明导致吸附剂优化无章可循。生物炭虽因 “低成本、可再生、表面可调” 成为潜力吸附剂,但过往研究仅能通过宏观实验(如吸附等温线、动力学模型)推测 “可能存在范德华力 / 静电作用”,无法量化各作用力贡献占比,更无法解释 “为何 300℃热解生物炭吸附容量更高,而 700℃生物炭扩散更快” 等构效关系问题。

传统实验手段(如 XPS、BET)仅能捕捉 “吸附前后的静态变化”,无法观测 “微塑料分子在生物炭孔隙中运动、结合的动态过程”—— 而分子动力学(MD)模拟作为 “原子级显微镜”,可通过构建全原子模型、计算相互作用能、追踪分子轨迹,从动态视角解析吸附机制,成为突破这一研究瓶颈的核心技术。

理论研究方法(MD 模拟核心设计)

本研究的核心亮点在于 **“精准建模 + 关键参数量化”**,从理论计算角度构建了可复现、可推广的研究框架,具体设计如下:

图 1 两种生物炭模型的康诺利孔隙表面及展示单壁碳纳米管引入的中间过程

1. 生物炭全原子模型构建(匹配实验特征)

  • 建模方法:采用 Segarra-Glandt(SG)模型,基于 Materials Studio(MS)软件构建 50×50×50 Å 的模拟单元,以 “芳香烃单元” 为基本 building block(BC300 用萘(2 个芳香环)、BC700 用六苯并苯(HBC,6 个芳香环)),通过调整单元密度与芳香环数量调控孔隙结构。
  • 官能团校正:通过 Perl 脚本引入 C-C、C-O、C=O 官能团,比例严格匹配 XPS 实验结果(BC300:C-O 20%、C=O 4%;BC700:C-O 8%、C=O 4%),确保模型与实际生物炭化学特征一致。
  • 结构优化:先通过 DMol³ 模块进行密度泛函理论(DFT)原子级优化,再用 Forcite 模块的 NPT 系综(Andersen 控温、Berendsen 控压)退火处理,使模型达到热力学平衡。

图2 300℃热解轻木生物炭(BC300)与微塑料溶液的固液双相模型。(a)聚苯乙烯(PS);(b)聚酰胺(PA);(c)聚乙烯(PE)

2. 微塑料模型与固液两相体系构建

  • 微塑料建模:采用全原子模型(比粗粒化模型更精准),基于 PS、PA、PE 的分子结构绘制单体,通过 MS 聚合功能连接 10 个单体形成线性链(匹配实验中 18μm 微塑料的分子尺度特征)。
  • 溶剂相设计:按宏观实验浓度调整水分子比例,构建 50×50×10 Å 的水相单元,通过 “Build Layers” 工具将生物炭模型与水 - 微塑料体系组合,引入真空层形成固液两相界面,模拟实际水体环境。

3. MD 模拟参数与关键指标计算

  • 力场与系综:选用 COMPASS 力场(适用于有机高分子与碳材料体系),采用 NPT 系综(温度 25~60℃、压力 1atm),施加周期性边界条件消除边界效应。
  • 核心参数计算
    • 相互作用能(Einter=Evdw+Eelec):量化范德华力与静电作用的贡献占比;
    • 氢键分析:基于 “键长 < 3.8 Å、键角> 90°” 标准,统计氢键数量与强度;
    • 吸附等压热(Qst):通过公式计算,判断吸附类型(<40kJ/mol 为物理吸附);
    • 扩散系数(D):从分子均方位移(MSD)推导,反映微塑料在生物炭中的运动速率。

结果和讨论(从 MD 模拟视角解读核心发现)

  1. 吸附驱动力:范德华力主导,静电作用辅助

图3 两种生物炭与微塑料(MPs)的相互作用能:(a)300℃热解轻木生物炭(BC300);(b)700℃热解轻木生物炭(BC700)

MD 模拟显示,两种生物炭与微塑料的总相互作用能(Einter)均为负值(表明自发吸附),且范德华力(Evdw)占比 80~90%,是吸附的核心驱动力。

  • 原因解析:生物炭的芳香环结构与微塑料分子(尤其是 PS 的苯环)形成 π-π 堆叠,同时碳骨架与微塑料的疏水区域产生疏水相互作用,共同贡献范德华力;
  • 静电作用的特殊性:虽生物炭与微塑料均带负电(Zeta 电位实验验证),但分子尺度下局部电荷不均仍产生微弱静电吸引,贡献 10~20% 相互作用能,且 BC300 因高含氧官能团(C-O/C=O)的极性,静电作用略强于 BC700。

图4 模拟过程中氢键键长与键角的分布概率。(a、b)300℃热解轻木生物炭(BC300);(c、d)700℃热解轻木生物炭(BC700)

此外,氢键分析显示(图 4):仅 PA 与生物炭的含氧官能团存在极低概率氢键(键长≈3.8 Å、键角 < 120°),对总相互作用能贡献 < 1%,可忽略不计。

  1. 构效关系:官能团决定 “吸附容量”,孔隙决定 “扩散速率”

图5 C1s 轨道的 X 射线光电子能谱(XPS)峰拟合结果。(a)300℃热解轻木生物炭(BC300);(b)700℃热解轻木生物炭(BC700)

图 6 两种生物炭与微塑料(MPs)的相互作用能:(a)300℃热解轻木生物炭(BC300);(b)700℃热解轻木生物炭(BC700)

  • 吸附容量差异的分子机制:BC300 的 Einter 绝对值(如与 PS 作用能≈-120kJ/mol)显著
  • 高于 BC700(≈-80kJ/mol),对应宏观实验中 BC300 吸附容量更高 —— 核心原因是 BC300 保留更多 C-O/C=O 官能团,增强了与微塑料的范德华力和静电作用(图 5、图 6)。

图7 体系内的均方位移与扩散系数。(a)300℃热解轻木生物炭(BC300);(b)700℃热解轻木生物炭(BC700)

  • 扩散速率差异的原子解释:BC700 的扩散系数(如 PS 在 BC700 上 D≈1.85×10⁻⁵cm²/s)是 BC300(D≈1.57×10⁻⁵cm²/s)的 1.18 倍(图 7)—— 因 700℃热解使生物炭形成石墨微晶,孔隙结构更发达(比表面积≈429.65m²/g,是 BC300 的 60 倍),降低了微塑料分子的迁移壁垒,且 PS 因与生物炭表面 π-π 作用强,扩散速率最快(PA 次之,PE 最慢)。

3. 热力学本质:物理吸附主导,温度影响有限

图8 摩尔吸附热随温度的变化曲线。(a)300℃热解轻木生物炭(BC300);(b)700℃热解轻木生物炭(BC700)

吸附等压热(Qst)计算结果显示(图 8):两种生物炭对三种微塑料的 Qst 均 < 40kJ/mol(BC300 的 Qst≈28kJ/mol,BC700≈12kJ/mol),证明吸附过程为物理吸附(无化学键形成,易脱附再生)。

  • 温度效应:随温度升高(25~60℃),Qst 略有上升(BC300 从 25kJ/mol 升至 28kJ/mol),因温度升高为微塑料分子提供更多动能,帮助克服吸附能垒 —— 但 Einter 仅提升 5~8%,说明温度对吸附性能影响有限,范德华力仍为绝对主导,这与宏观实验中 “温度升高吸附容量略有增加” 的结果完全吻合。

4. 微塑料吸附顺序:PS>PA>PE,模拟与实验完美匹配

图9 环境因素对吸附容量的影响。(a、b)微塑料浓度;(c、d)吸附时间;(e、f)吸附温度

MD 模拟中,图6两种生物炭对微塑料的相互作用能顺序均为 PS>PA>PE(如 BC300 与 PS 作用能≈-120kJ/mol,PA≈-100kJ/mol,PE≈-80kJ/mol),与图9宏观实验中 “吸附容量 PS>PA>PE” 的顺序一致。

  • 分子层面解释:PS 含芳香环,与生物炭形成强 π-π 作用;PA 含极性酰胺基(-CONH-),但生物炭表面疏水,削弱了相互作用;PE 为非极性聚合物,无功能性位点,仅靠弱疏水作用结合 —— 这一解释为 “不同类型微塑料的选择性去除” 提供了理论依据。

总结

本研究通过MD 模拟与宏观实验的深度耦合,实现了三大突破:① 首次量化轻木生物炭吸附微塑料的作用力贡献(范德华力 80~90% 主导);② 建立 “生物炭分子结构(官能团 / 孔隙)→微观参数(相互作用能 / 扩散系数)→宏观性能(吸附容量 / 速率)” 的关联模型;③ 验证了全原子 MD 模拟在微塑料吸附领域的可靠性,为该领域理论研究提供可复现的方法学框架。

展望

当前研究仍存在 “理想化模型” 局限:① 未考虑纳米塑料(比表面积更大,作用力更强)的吸附机制;② 未引入 pH、离子强度、溶解有机质等实际水体因素(如高 pH 可能削弱静电作用,芳香有机质可能竞争 π-π 位点)。

未来方向应聚焦:① 开展 “量子化学(DFT)+ 分子动力学(MD)+ 介观模拟” 的多尺度研究,解析更复杂的作用机制;② 结合多因素实验(如不同 pH、离子强度),构建 “贴近实际环境” 的 MD 模型,推动理论研究向产业化应用转化。

文章信息

原文标题Molecular dynamics simulation of microplastics adsorption mechanisms on balsa biochar

标题中文翻译轻木生物炭吸附微塑料的分子动力学模拟机制

期刊Separation and Purification Technology(分离纯化领域 Q1 区,IF=9.1)

DOIRedirecting

通讯作者单位内蒙古农业大学材料科学与艺术设计学院;内蒙古沙生灌木纤维化及能源开发利用重点实验室(呼和浩特,010018)

http://www.jsqmd.com/news/1153308/

相关文章:

  • 5本机器视觉SCI期刊审稿周期实测:从1个月到4.5个月,覆盖1-4区
  • 世界杯小助手
  • 终极指南:ide-eval-resetter 如何实现JetBrains IDE试用期无限重置
  • 2026最新8款AI编程助手学生党平替实测合集
  • 30英镑自制四足机器人:从舵机控制到步态算法的低成本实践
  • 韩国主权AI战略:技术路径、GPU算力投入与开发者机遇
  • 2026年儿童口腔运营学习排名大揭秘,谁能拔得头筹?
  • 云原生学习路线复盘:从 Docker run 到 K8s Operator 的路径
  • 用友U9C账簿表查询
  • 使用java模拟电梯运行
  • 实时 AI 音乐交互系统:低延迟音频生成的工程挑战
  • [飞斯柯罗] 想了解什么是网络安全资产和 KMS?
  • 面向低空无人系统的分布式智能控制与协同基础设施
  • PHP再曝高危安全漏洞:TLS连接缺陷可致FPM全面崩溃,OpenSSL内存损坏隐患同步浮现
  • 2026最新7款新手友好AI编程助手实测 学生党平替全汇总
  • dbg -基础指令
  • ChatBI试点常见12问:客户成功一线的FAQ与行动建议
  • Wireshark 与 SniffMaster 对比 移动端抓包场景下的工具选型
  • League-Toolkit终极指南:英雄联盟自动化工具深度解析与高效配置
  • 线程生命周期和线程状态
  • 大模型指令遵循能力评测:从单轮评分到多轮一致性验证
  • 经典算法实例应用:后继者(二)
  • AI 相关概念之(基础层级):机器学习、神经网络、深度学习
  • 小团队知识库软件怎么选?2026年主流工具对比与精选盘点
  • 如何将B站缓存视频转换为MP4:m4s-converter完整使用指南
  • Seraphine:基于LCU API的现代化英雄联盟战绩查询与游戏辅助工具
  • 亚远景科技受邀亮相 2026 上海国际低碳智慧出行展览会
  • “Sample Is Feature: Beyond Item-Level, Toward Sample-Level Tokens for Unified Large Recommender Mode
  • 科创企业商业秘密保护的核心价值与落地意义|筑牢研发数据与技术壁垒
  • Meta-Llama-3 模型权重申请与下载:GitHub/Hugging Face 双路径 3 小时全流程