基于集成学习与QSPR的AI模型精准预测化合物临界性质与沸点

本研究针对传统基团贡献法在复杂分子热力学性质预测中的局限性，开发了结合Mordred分子描述符与Bagging集成神经网络的新型QSPR模型。该模型通过247个分子描述符成功预测1705种含C/H/O/N/S/P/卤素分子的临界温度(TC)、临界压力(PC)、偏心因子(ACEN)和正常沸点(NBP)，各项指标R2>0.99，为化工过程设计提供高精度输入参数。

　　

在化学工程领域，准确预测化合物的临界温度(TC)、临界压力(PC)、偏心因子(ACEN)和正常沸点(NBP)是设计工业流程的关键。这些参数不仅是立方型状态方程的核心输入，更直接影响蒸汽压、表面张力等物性计算。然而，传统基团贡献法(GCM)面对复杂分子结构时往往失效——当遇到非常规原子排列或构象效应时，预测精度显著下降。这种局限性促使研究者转向更先进的解决方案。

《Journal of Cheminformatics》最新发表的研究中，Roda Bounaceur团队开发了一套革命性的预测工具。他们采用定量结构-性质关系(QSPR)框架，结合Mordred计算器生成的247个分子描述符，构建了基于Bagging集成的人工神经网络(ANN)模型。该模型在包含1705种分子的DIPPR数据库上训练，涵盖85个化学家族的含C/H/O/N/S/P/卤素化合物，分子量跨度达16-904 g/mol。

关键技术包括：1) 通过Mordred计算器生成1826个初始描述符，经Pearson相关分析和方差筛选保留247个关键特征；2) 采用Bagging集成策略，通过5轮5折交叉验证构建25个子模型，最终预测取平均值；3) 使用SHAP值解析描述符贡献度，发现拓扑极性表面积(TopoPSA)等20个核心参数主导预测。

研究结果展现出突破性性能：

1. 1.

   预测精度：所有性质的测试集R²>0.99，临界温度预测平均绝对误差仅3.16K，沸点预测误差2.08K。

2. 2.

   物理一致性：对正构烷烃的预测表明，随着碳数增加，TC渐进至1000K，PC收敛于5bar，完美复现实验趋势。

3. 3.

   比较优势：相较Carande的SVR模型(33描述符)和ICAS软件，新模型在5393分子测试中展现出更合理的极端值预测。

特别值得注意的是，模型成功解析了分子结构-性质关系：

• •

  拓扑描述符AATS2d（滞后2的Moreau-Broto自相关）与TC呈正相关

• •

  氢键受体数(nHBAcc)和给体数(nHBDon)共同影响ACEN

• •

  碎片复杂度(fragCpx)参数有效捕捉了取代基效应

在讨论部分，作者强调该模型具有三重价值：

1. 1.

   方法论创新：首次将Bagging集成应用于热力学性质预测，通过方差缩减提升泛化能力

2. 2.

   应用前景：可作为Peng-Robinson等状态方程的输入源，提升焓、密度等衍生性质计算精度

3. 3.

   扩展潜力：开源代码和Web工具(https://lrgp-thermoppt.streamlit.app/)支持即时预测

这项研究为复杂分子热力学建模树立了新标杆，其集成学习框架尤其适合处理卤代烃、含杂原子化合物等传统方法难以准确描述的体系。未来工作可探索将模型输出直接耦合到流程模拟软件，实现从分子结构到工艺设计的全链条预测。