更正：基于人工智能的动态调控技术，用于高效生产庆大霉素C1a

《Green Chemistry》：Correction: Artificial intelligence-driven dynamic regulation for high-efficiency gentamicin C1a production

　　

对Feng Xu等人发表在《Green Chem.》2025年第27卷第13436-13454页的论文《基于人工智能的动态调控以实现高效庆大霉素C1a生产》的更正：https://doi.org/10.1039/D5GC02507A。

作者指出，原论文中有一处错误：“输入层中神经元的数量是根据影响发酵过程的关键变量确定的，这些变量包括总糖浓度（TS）、还原糖（RS）、铵离子浓度（AN）、溶解氧（DO）、pH值、OUR和CER（图1b）”。正确的表述应该是：“输入层中神经元的数量是根据影响发酵过程的关键变量确定的，这些变量包括总糖浓度（TS）、还原糖（RS）、铵离子浓度（AN）、溶解氧（DO）、pH值和CER（图S1b）”。

作者还指出了图3的布局错误。正确的图及图例如下所示。

图1 特征重要性分析及NSGA-II优化。(a) 以μ作为预测矩阵的特征重要性分析；(b) 以μ作为预测矩阵的特征重要性排序和指数；(c) 多目标优化的q_S和μ的帕累托前沿分析；(d) 以q_{P作为预测矩阵的特征重要性分析；(e) 以qP作为预测矩阵的特征重要性排序和指数；(f) 多目标优化的qS和qP的帕累托前沿分析。}

此外，作者还指出了原论文中图4的图例错误。图4及其正确的图例如下所示。

图2 在线光谱监测模型验证和BPNN模型预测验证。(a) 多源光谱模型的开发。(b) 基于多源光谱模型的预测铵离子浓度（AN）与离线值对比；(c) 基于多源光谱模型的预测总糖含量与离线值对比；(d) 对照组中μ的趋势；(e) 实验组中μ的趋势；(f) 对照组中q_P的趋势；(g) 实验组中q_P的趋势；(h) 对照组中q_S的趋势；(i) 实验组中q_S的趋势。

英国皇家化学会对这些错误以及由此给作者和读者带来的不便表示歉意。