近日，廣東工業(yè)大學輕工化工學院教授林曉清團隊在國家重點研發(fā)計劃、國家自然科學基金等項目的資助下，在低共熔溶劑黏度智能預(yù)測研究方面取得重要進展。相關(guān)成果發(fā)表于《美國化學工程師協(xié)會期刊》（AIChE Journal）。
低共熔溶劑作為“下一代綠色溶劑”，因合成簡便、低毒可再生等優(yōu)勢，在分離、催化、電化學等領(lǐng)域應(yīng)用廣泛。然而，其黏度特性作為制約工業(yè)應(yīng)用的核心參數(shù)，受分子組成、溫度等因素影響顯著，傳統(tǒng)實驗測量與預(yù)測方法存在效率低、泛化性差等局限。
針對低共熔溶劑黏度預(yù)測的技術(shù)瓶頸，研究團隊創(chuàng)新性構(gòu)建了一種融合消息傳遞神經(jīng)網(wǎng)絡(luò)（MPNN）、圖注意力機制（GAT）和多層感知機（MLP）的多尺度黏度預(yù)測框架。該模型以SMILES分子結(jié)構(gòu)及溫度等理化性質(zhì)為輸入，通過MPNN提取分子局部化學鍵相互作用特征，借助GAT聚焦氫鍵供體/受體等關(guān)鍵亞結(jié)構(gòu)生成全局分子表示，再結(jié)合預(yù)測密度等宏觀理化性質(zhì)，經(jīng)MLP非線性變換實現(xiàn)黏度值精準輸出。
在5790個低共熔溶劑樣本數(shù)據(jù)集上的驗證顯示，模型預(yù)測精度高達R2=0.9945、平均絕對相對偏差（AARD）僅2.69%，顯著優(yōu)于隨機森林（RF）、支持向量回歸（SVR）等傳統(tǒng)機器學習模型，且對極端黏度值（如高黏度樣本）表現(xiàn)出強適應(yīng)性，有效解決了新型低共熔溶劑黏度預(yù)測泛化能力不足的問題。
除高精度預(yù)測外，研究團隊進一步通過SHAP可解釋性分析，量化了分子能量、重原子分子量等關(guān)鍵特征對黏度的影響，為理性設(shè)計兼具特定黏度屬性與綠色特性的低共熔溶劑奠定了基礎(chǔ)。未來，團隊計劃從優(yōu)化模型效率、拓展多性質(zhì)預(yù)測、構(gòu)建實驗-計算閉環(huán)及開發(fā)友好界面等方向深化研究，推動數(shù)據(jù)驅(qū)動方法在綠色溶劑定向設(shè)計與工業(yè)應(yīng)用中的深度落地。
相關(guān)論文信息：https://doi.org/10.1002/aic.18924
本文鏈接：http://m.enbeike.cn/news-8-5397-0.html低共熔溶劑黏度智能預(yù)測研究獲重要進展
聲明：本網(wǎng)頁內(nèi)容由互聯(lián)網(wǎng)博主自發(fā)貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權(quán)等問題請及時與本網(wǎng)聯(lián)系，我們將在第一時間刪除處理。
點擊右上角
微信好友
朋友圈
點擊瀏覽器下方“
”分享微信好友Safari瀏覽器請點擊“
”按鈕
點擊右上角
QQ
點擊瀏覽器下方“”分享QQ好友Safari瀏覽器請點擊“”按鈕
