基于分子结构与熔点的蒽醌衍生物在超临界CO2 中固溶度预测模型研究

为解决超临界流体技术中固溶度实验测量耗时昂贵、传统模型依赖过多物性参数的问题，研究人员通过耦合规则溶液模型与Flory-Huggins方程，开发了仅需分子结构和熔点即可预测28种蒽醌衍生物（AQDs）在超临界CO2 中溶解度的新方法，平均绝对对数偏差（AALD）为0.439，并验证了模型对新型AQD分子的外推能力，为染料与医药领域超临界流体工艺设计提供了高效工具。

　　

在绿色化学与可持续工业发展的浪潮中，超临界二氧化碳（CO₂
）技术因其环境友好、可循环利用的特性，成为替代传统有机溶剂的热门选择。尤其在染料合成、药物结晶等领域，超临界CO₂
展现出独特优势。然而，这一技术的核心瓶颈在于如何快速准确地预测目标化合物在超临界CO₂
中的溶解度——传统实验测定耗时数月，而现有模型或需数十种物性参数（如临界温度、升华压），或依赖大量训练数据，严重制约了新分子设计的效率。

针对这一挑战，由台湾地区科研团队领衔的研究在《The Journal of Supercritical Fluids》发表重要成果。该研究聚焦蒽醌衍生物（Anthraquinone Derivatives, AQDs）——一类广泛应用于染料和抗肿瘤药物的关键化合物，创新性地将规则溶液模型（Regular Solution Model）与Flory-Huggins方程耦合，仅利用分子结构和熔点两项易获取参数，实现了对28种AQDs共1362组固溶度数据的高效预测。

研究团队采用三步法突破技术壁垒：首先通过量子化学计算获取分子体积与溶解度参数，再结合Flory-Huggins理论修正超临界流体非理想性，最终建立双参数预测模型。为验证外推性，团队新增实验测量了1,5-二氨基蒽醌在353.2–393.2 K、27 MPa条件下的溶解度数据。

性能验证
模型对已知AQDs的预测平均绝对对数偏差（AALD）仅0.439，即使仅用2%数据（28/1362）训练仍保持稳健性。对新型化合物1,5-二氨基蒽醌的预测AALD为0.453，显著优于传统半经验模型（平均绝对相对偏差20.8%）。

极端测试
在仅使用5%数据集建模的极端条件下，模型仍能保持预测趋势一致性，证实其适用于数据稀缺场景。

这项研究的突破性在于：首次实现仅凭分子结构+熔点即可预测超临界CO₂
固溶度，为染料分子设计与药物超临界加工提供了"计算先行"的新范式。相比机器学习需上万数据点，该模型仅需个位数实验标定，大幅降低研发成本。研究团队特别指出，该方法可扩展至其他共轭芳香族化合物，为绿色化学工艺开发注入新动能。

讨论部分强调，模型成功的关键在于规则溶液理论对分子间作用的精确描述，以及Flory-Huggins修正对超临界体系自由体积效应的捕捉。未来通过引入基团贡献法，有望进一步减少对实验数据的依赖。这项成果不仅为AQDs类化合物的超临界应用提供理论指导，更为复杂分子体系的溶解度预测开辟了新路径。