近日，美国化学会旗下的Journal of Chemical Education（下文简称为JCE）发表我校数智化实验教育重要成果“Machine Learning-Enabled Quantification of Characteristic Carbonyl Peak Shifts in Infrared Spectra: An Instrumental Analysis Laboratory Experiment for Upper-Division Undergraduates”（J. Chem. Educ. 2026, 103, 4, 2158–2168），这是我校首次在该期刊发表数智化实验教学研究成果，并入选本期封面。JCE于1924年创刊，是化学教育国际顶级期刊。

图.JCE 2026年第4期封面

该工作创新性地将机器学习方法引入红外光谱实验教学，以红外光谱中具有代表性的羰基（C=O）特征吸收峰为研究对象，指导学生在传统红外光谱实验基础上构建包含百余种羰基化合物的光谱数据库，运用线性回归、随机森林回归和支持向量回归三种机器学习模型对吸收峰波数进行建模预测，并进一步利用SHAP（沙普利加性解释）方法对模型进行分析，成功量化了氯、氨基、甲基、羟基等不同取代基对羰基特征峰位移的影响，其定量结果与教科书中的经典理论（如诱导效应、共轭效应）高度吻合，初步实现了从定性描述到可视化定量分析的教学跨越。

文章第一作者为化学与材料科学学院周强，通讯作者为化学与材料科学学院朱平平、胡万群、周强及工程科学学院董逸伦。参与该工作的5位本科生合作作者为信息科学技术学院夏明宇、微电子学院牛文豪以及化学与材料科学学院王震宇、张梦晗和吴伟灏。基于该项教研成果的数字化设计作品，曾在“第五届全国大学生化学实验创新设计大赛—实验数字化设计竞赛”中荣获全国总决赛特等奖。

该研究工作得到了安徽省自然科学基金（2408085ME104）、安徽省质量工程项目（2024qyw/sysfkc001；2024jyjxggyjy018；2024jyxm0026；2023kcszsf001；2021kcszsfkc469）、校级本科质量工程（2025xsx01；2025xzhkc01；2024xjyxm021；2024xjyxm051）、校级研究生教育创新计划（2024ycjg04）以及教育部首批虚拟教研室——大学化学实验课程群虚拟教研室的支持。