全氟化合物（PFAS）作为一种典型新污染物，因其种类繁多和环境危害性备受关注。韦教授团队开发了基于分支网络的筛查方法，通过谱图相似性和自动化成网技术，从复杂样本中精准提取全氟化合物特征。他们在氟化工废水中识别出400多种全氟化合物，其中39种为全球首次报道。此外，团队结合图卷积网络（GCN）模型，预测了高毒性全氟化合物的结构特征，为环境管理和毒性评估提供了重要依据。

韦教授团队的方法不仅局限于全氟化合物，还广泛应用于抗生素转化产物、纳米材料降解产物等新污染物的识别。例如，他们在废水中发现了上百种抗生素转化产物，并通过动态网络分析揭示其变化规律。此外，团队在实际场景中解决了多项难题，包括通过非靶向分析锁定化工企业偷排废水的污染源，以及在异味投诉事件中精准识别气味因子，准确率超过90%。

韦教授团队在2022年KISS ME小分子结构鉴定大赛中表现出色，综合成绩位列全球前六。这是中国团队首次参与该赛事，展现了他们在小分子识别领域的实力。由于小分子化学空间庞大，传统方法识别准确率仅约20%。韦教授团队通过AI算法优化，结合分子指纹和谱图特征向量，将准确率提升至58.3%，在全氟化合物结构鉴定中达到全球领先水平。

在环境健康领域，韦教授团队与国家疾控中心、江苏疾控等机构合作，开展高通量污染物筛查，研究雾霾和氟化工园区对人群健康的影响。他们还通过AI技术协助医院，成功诊断不明原因中毒案例，识别出香豆素类转化产物，助力患者康复。

韦教授团队开发了“Mass Agent”智能体，结合化学数据库和AI大模型，快速诊断污染物的来源与用途。在滁河污染事件中，团队通过该技术发现糖蜜和甘油导致水体低氧，进而造成鱼类死亡，为污染控制提供了关键证据。此外，他们的方法还应用于食品、化妆品、葡萄酒溯源等领域，展现了AI在多学科交叉中的强大潜力。

韦教授指出，尽管AI技术发展迅速，但数据库资源、模型可解释性和化学创造性仍需科学家深入探索。未来，团队将致力于构建人机互动的智能系统，推动以人为本、向善的科研范式。