生物质作为一种碳中性的绿色能源，对于推动能源结构转型和实现可持续发展具有重要意义（Jing等人，2025年；Troiano和Studer，2025年）。面对日益恶化的环境和资源枯竭的问题，大力发展生物质能源具有明显的必要性和紧迫性。然而，生物质的直接燃烧常常存在能量转换效率低和容易造成环境污染的问题。为了高效清洁地利用生物质资源，已经开发了一系列热化学转化技术（如气化、液化和热解）（Mohanty等人，2024年；Zhang等人，2025年）。其中，热解技术是在缺氧或无氧条件下加热生物质，将其转化为三相产物——生物炭、生物油和可燃气体。这种方法不仅实现了能量的分级高效利用，还通过工艺优化获得了高附加值产品（Li等人，2025年；Millinger等人，2025年；Xue等人，2025年；Zhu等人，2025年）。
氮是生物质中的关键成分（Tang等人，2025年），在热解过程中会转化为含氮的固体杂环化合物、液态胺和其他含氮化合物以及氮氧化物前体（如NH3、HCN和HNCO）（Li等人，2026年；Li等人，2020年；Tian等人，2013年；Wang等人，2024年）。将氮固定在碳中可以生产出高价值的氮掺杂功能碳材料。将生物炭返回土壤可以改善土壤质量，并提供长期的养分来源，实现碳和氮的双重封存，同时防止对生态系统和人类健康造成严重影响的氮氧化物前体的释放（Xian等人，2023年；Ye等人，2025年）。因此，研究热解过程中氮的迁移模式和含氮产物的分布特性对于实现含氮物质的定向转化和污染控制至关重要（Lu等人，2018年）。Guo等人（Guo等人，2024年）研究了在不同热解温度和生物质类型下氮迁移和演变的机制。他们发现，在低温下大部分氮保留在生物炭中，而温度升高时生物油中的氮含量先增加后减少。Li等人（Li等人，2021年）分析了不同温度下玉米秸秆热解过程中的氮迁移模式，包括原始材料和酸浸预处理样品。他们发现，在650°C以下的热解温度下，超过50%的氮被固定在生物炭中，表明低温热解减少了来自稳定碳结构的氮释放。上述研究采用了传统的实验方法，通过改变热解温度、生物质类型或预处理方法来分析氮迁移模式。然而，这种方法变异性有限，实验成本高且程序耗时，难以通过传统方法精确预测和调控生物质热解中的复杂机制。
人工智能（AI）为解决复杂科学问题提供了更全面、精确和高效的方法，对研究具有变革潜力（da Cunha等人，2025年）。作为一种推动科学进步的数字技术，AI在能源领域表现出卓越的适应性，特别是在能源转型和系统优化方面（Bedi和Toshniwal，2019年；Salman，2025年）。将AI技术与能源系统深度整合，以推动从碳密集型化石燃料向低碳、环保系统的转变，已成为21世纪最复杂和具有挑战性的社会经济和技术问题之一（Lyu等人，2025年；Zhang等人，2026年）。AI技术通过高通量筛选工作流程快速预测，解决了传统研究方法的局限性，为定向氮转化提供了新方案。通过构建大规模热解数据集和应用机器学习算法，揭示了热解条件与氮迁移行为之间的潜在关系，建立了能够实现高价值氮转化和精确调控的预测模型（Wang等人，2025年）。然而，在AI辅助的生物质热解过程预测方面仍存在知识空白。Song等人（Song等人，2024年）采用随机森林、辅助提升决策树和极端梯度提升等方法预测和分析生物炭中的氮含量，模型R2超过0.97。Leng等人（Leng等人，2024年）使用单目标随机森林预测炭氮产量，确定热解温度是最重要因素，平均R2为0.93。尽管将机器学习（ML）应用于研究生物质热解特性已成为主流，但关于ML辅助预测热解过程中氮迁移的研究仍然不足，现有ML模型的准确性仍有待提高。与以往仅关注预测单一目标（如生物炭产量或总氮含量）的研究不同，本研究提出了Pyro-SPIN框架，它在严格的质量守恒约束下协同预测氮在三个热解相（固体、液体和气体）中的完整分布，而不是通过孤立预测。其次，它创新性地整合了链模型、多输出学习和图像辅助优化，形成了一个基于机制的混合建模策略，显著提高了模型的物理一致性和计算效率。这种方法不仅实现了高精度预测，还进一步确定了可操作的、多参数协同的工艺优化窗口，旨在将氮富集到更有价值的固相炭中，从而从预测走向调控。
总之，生物质热解技术为全球能源转型打开了新途径，而AI在科学研究中表现出高度适应性。然而，传统研究方法存在效率低下和分析不完整的问题，关于生物质热解中氮迁移模型的研究面临研究空白、预测准确性不足和模型效率低等问题。我们首次将氮迁移数据与AI相结合，共同开发了Pyro-SPIN模型：首先，我们将各种废弃生物质类型的特征分析数据与热解实验数据整合，构建了一个涵盖原料内在属性和工艺条件的综合数据集。接下来，建立了一个高精度的Pyro-SPIN集成预测模型。最后，利用该模型确定了控制氮迁移的主要因素，并通过多参数协同优化，提出了一种定向富集固相炭中氮的调控策略。这旨在为开发低NOx排放的生物质热解技术提供方法论支持。
