近日，廣東工業大學輕工化工學院教授林曉清團隊在國家重點研發計劃、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測研究方面取得重要進展。相關成果發表于《美國化學工程師協會期刊》（AIChE Journal）。
低共熔溶劑作為“下一代綠色溶劑”，因合成簡便、低毒可再生等優勢，在分離、催化、電化學等領域應用廣泛。然而，其黏度特性作為制約工業應用的核心參數，受分子組成、溫度等因素影響顯著，傳統實驗測量與預測方法存在效率低、泛化性差等局限。
針對低共熔溶劑黏度預測的技術瓶頸，研究團隊創新性構建了一種融合消息傳遞神經網絡（MPNN）、圖注意力機制（GAT）和多層感知機（MLP）的多尺度黏度預測框架。該模型以SMILES分子結構及溫度等理化性質為輸入，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/受體等關鍵亞結構生成全局分子表示，再結合預測密度等宏觀理化性質，經MLP非線性變換實現黏度值精準輸出。
在5790個低共熔溶劑樣本數據集上的驗證顯示，模型預測精度高達R2=0.9945、平均絕對相對偏差（AARD）僅2.69%，顯著優于隨機森林（RF）、支持向量回歸（SVR）等傳統機器學習模型，且對極端黏度值（如高黏度樣本）表現出強適應性，有效解決了新型低共熔溶劑黏度預測泛化能力不足的問題。
除高精度預測外，研究團隊進一步通過SHAP可解釋性分析，量化了分子能量、重原子分子量等關鍵特征對黏度的影響，為理性設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。未來，團隊計劃從優化模型效率、拓展多性質預測、構建實驗-計算閉環及開發友好界面等方向深化研究，推動數據驅動方法在綠色溶劑定向設計與工業應用中的深度落地。
相關論文信息：https://doi.org/10.1002/aic.18924
本文鏈接：低共熔溶劑黏度智能預測研究獲重要進展http://m.sq15.cn/show-11-22131-0.html
聲明：本網站為非營利性網站，本網頁內容由互聯網博主自發貢獻，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！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。