本报讯 近日，清华大学安全学院袁宏永教授、张小乐助理教授团队提出了一种堆叠式集成机器学习高时空分辨率颗粒数浓度模拟方法，融合数据驱动模型与物理化学模型，在区域尺度上实现了高空间（1千米）和高时间（1小时）分辨率的空气中的超细颗粒物（UFPs）暴露评估，为超细颗粒物的暴露水平和健康风险评估提供了新的思路。该研究表明，人工智能结合传统物理化学方法能够有效提升UFPs暴露评估的精度和空间覆盖范围，为未来安全健康效应评估提供更精准的数据支持。该方法填补UFPs暴露评估的关键空白，推动低成本UFPs监测技术在发展中国家的落地应用。
　　近日，研究成果以“机器学习增强的超细颗粒高分辨率暴露评估”为题，发表在《自然·通讯》（Nature Communications）期刊上。张小乐为该论文的通讯作者，袁宏永、安全学院2021级博士生蹇姚宇蝶为共同第一作者。 （安全学院）