DeepTherm:一种用于气相分子热化学预测的统一深度学习方法

《Energy and AI》:DeepTherm: A Unified Deep Learning Approach to Thermochemistry Prediction for Gas-phase Molecules

【字体: 大 中 小 】 时间:2026年01月08日 来源:Energy and AI 9.6

编辑推荐:

  准确的热化学性质在化学机理中对于模拟和优化复杂反应系统至关重要,因为它们直接影响反应动力学和热释放曲线。然而,由于传统方法的局限性,获取一组多样化、大型和复杂分子及自由基的可靠数据具有挑战性。在本研究中,研究人员引入了DeepTherm,一种统一的深度学习框架

  
准确的热化学性质在化学机理中对于模拟和优化复杂反应系统至关重要,因为它们直接影响反应动力学和热释放曲线。然而,由于传统方法的局限性,获取一组多样化、大型和复杂分子及自由基的可靠数据具有挑战性。在本研究中,研究人员引入了DeepTherm,一种统一的深度学习框架,它结合了用于局部信息的定向消息传递过程(directed message-passing, DMP)和用于长程依赖的全局注意力机制(global attention mechanisms),有效解决了多个官能团和大分子带来的挑战。DeepTherm整合了图编码(graph encoding)、转移学习(transfer learning)、预定义分子描述符(pre-defined molecular descriptors)和集成学习(ensemble learning),以实现高精度和稳健泛化。一个由4,997种物种组成的精选数据集,包括由C、H和O原子组成的闭壳层和开壳层物种,源自近期理论计算,用于模型训练和测试。该模型通过使用随机分裂(random splits)和基于分子骨架(molecular scaffolds)、官能团(functional groups)和分子复杂度(molecular complexity)的层次化分裂策略(hierarchical splitting strategies)进行了严格评估。涉及72种模型-描述符组合的比较研究证明了DeepTherm的优越性能。为了展示其应用,研究人员预测了40种烃的氧化和裂解反应机理中11,458种物种的热化学性质。与实验测量相比,所得的热化学数据提高了详细气相动力学模拟的保真度。预测结果还显示出相对于基于基团加和性(group-additivity)方法的明显优势。除了热化学性质,所提出的架构和统一框架为分子性质预测任务建立了一个可泛化的范式,为加速化学动力学建模和材料发现提供了一个可扩展的基础。
**论文解读:DeepTherm——统一深度学习框架实现气相分子热化学精准预测**

**研究背景与问题**

准确的热化学参数(如生成焓、熵和热容)是构建高保真化学动力学模型的核心,决定了复杂反应系统(如燃烧、大气化学及工业过程)的能量平衡、平衡浓度及反应路径。传统获取热化学数据的方法面临显著局限:实验测量和高级量子化学计算(如CBS-QB3、G4方法)成本高昂、耗时,且难以适用于大分子及高反应性中间体。基团加和性(group-additivity, GA)方法作为一种经验替代,虽在已知化学空间插值有效,但对涉及长程相互作用、电子离域或空间效应的复杂分子(如含多官能团的大分子及自由基)常失效。近年来,机器学习(machine learning, ML)方法被尝试用于热化学预测,但现有模型多基于小分子闭壳层物种训练,对燃烧和大气化学中关键的大分子或反应性物种迁移性差,且难以捕获分子全局拓扑信息(如长程电子耦合、构象柔性和空间效应)。因此,亟需一种能同时处理局部化学环境与全局依赖关系、兼具高精度与强泛化能力的统一框架。

**研究概述与结论**

为克服上述挑战,研究人员提出了DeepTherm——一种统一的深度学习框架,整合了定向消息传递(directed message-passing, DMP)与全局注意力机制(global attention mechanisms),并融合了图编码(graph encoding)、转移学习(transfer learning)、预定义分子描述符及集成学习(ensemble learning)。研究人员从近期理论计算和已验证的烃氧化动力学模型中汇编了一个包含4,997种物种(2,296种闭壳层分子和2,701种开壳层自由基,均由C、H、O原子组成)的高质量数据集。通过随机分裂和基于分子骨架、官能团及分子复杂度的层次化分裂策略进行严格评估,并与8种基线模型(包括传统ML和深度学习模型)及8种分子描述符集进行系统比较(共计72种组合)。结果表明,DeepTherm在所有评估场景下均优于基线模型,尤其在复杂大分子和未见化学空间上展现出卓越的泛化能力。研究进一步将模型应用于预测40种烃的氧化和裂解机理中11,458种物种的热化学性质,并将这些数据嵌入n-庚烷动力学模型进行点火延迟时间模拟。与基于GA方法构建的模型相比,DeepTherm预测的模拟结果与激波管实验数据吻合更好,尤其在低温负温度系数(negative temperature coefficient, NTC)区域。该框架不仅推动了热化学预测的数据驱动进步,还为分子性质预测提供了可泛化的范式,论文发表在《Energy and AI》。

**主要关键技术方法**

研究人员采用以下关键技术构建DeepTherm:(1)**深度图神经网络架构**:结合定向消息传递(DMPNN)模块从键中心传递消息,捕获局部化学信息;叠加全局注意力机制,计算分子图中所有元素间的注意力分数,捕获长程依赖和全局分子相互作用。(2)**转移学习**:在包含133,885种物种的QM9数据集上预训练多任务模型(预测14种量子力学属性),将学习到的原子/键嵌入和网络权重迁移至热化学预测任务,以缓解小数据过拟合风险。(3)**集成学习**:训练10个独立子模型(不同随机种子、超参数及数据划分),按验证集的倒数平均绝对误差(MAE)加权平均,增强鲁棒性。(4)**分子描述符增强**:在学到表征基础上,拼接预定义分子描述符(优化后选择扩展连接性指纹ECFP,1,024位二进制向量),补充结构、拓扑及立体化学信息。数据集来源于文献中M06-2X/aug-cc-pVTZ几何优化、G3/CBS-QB3/G4单点能计算及1D受阻转子校正的高精度理论计算。

**研究结果**

**3.1 固定分子描述符的影响**
通过系统评估8种描述符集(CDS、ECFP、2D-FIN、DRAG、SOAP、ACSF、MBTR、CM)对DeepTherm在随机和层次化复杂度分裂下的性能影响,发现ECFP(扩展连接性指纹)在生成焓(EOF)、熵(S298K)和300 K热容(Cp,300K)上均取得最低测试MAE。ECFP能补充学到表征中缺失的连通模式和立体化学信息,而SOAP、ACSF等3D描述符引入噪声,表明全局注意力机制已有效捕获相关结构特征。组合多种描述符易导致过拟合。

**3.2 DeepTherm关键组件的有效性**
通过消融研究(去除全局注意力、转移学习或集成学习)在不同训练数据比例和层次化复杂度分裂下分析,完整DeepTherm模型在所有设置下获得最低MAE和最紧凑的误差分布。去除全局注意力导致MAE增加最显著(尤其在层次化分裂下,当测试分子更复杂时MAE增幅达1.3 kcal/mol),凸显其在捕获长程依赖和结构复杂性中的关键作用。转移学习在数据量有限时降低MAE约0.5 kcal/mol;集成学习主要提升鲁棒性、降低方差。

**3.3 DeepTherm性能与比较评估**
在随机分裂下,DeepTherm对EOF的测试MAE为1.25 kcal/mol,RMSE为1.47 kcal/mol,R2为0.99;对S298K和Cp,300K也达到类似高精度。化学精度(95%置信区间)为EOF: 2.94 kcal/mol,S298K: 2.98 cal/(mol·K),平均热容(300-1500 K): 1.98 cal/(mol·K),优于CBS-QB3方法(2.99 kcal/mol for EOF)。层次化分裂(基于官能团、骨架)进一步验证泛化能力:模型对结构规则官能团(如烷烃MAE=1.27 kcal/mol)表现好,但对高环张力或反应性类(如烯醇MAE=3.86 kcal/mol,环丙烯MAE=5.67 kcal/mol)误差较大。与8个基线模型(SVM、RF、KR、MLP、GCN、GAT、MPNN、DMPNN)对比,DeepTherm在随机和层次化复杂度分裂下均为最优,尤其对大分子(重原子数>10)的误差增幅最小,体现了其捕获长程相互作用的优势。

**3.4 DeepTherm预测的应用**
利用DeepTherm预测40种烃氧化机理中11,458种物种的热化学性质(含5,991种稳定分子和5,547种自由基),数据集偏向较大分子(7-16个碳原子)和高氧含量物种。将这些预测数据嵌入n-庚烷氧化动力学模型,与基于GA方法构建的模型及激波管实验进行点火延迟时间(IDT)比较。DeepTherm模型在不同当量比(φ=0.5, 1, 2)和13.5 atm下均与实验数据吻合良好,准确再现NTC行为;而GA模型系统性低估IDT,尤其在低温区域。结果表明DeepTherm可生成高保真热化学数据,无需经验修正即可提升动力学模拟精度。

**讨论与结论**

讨论部分指出,当前训练集限于C/H/O物种以最大化数据质量和内部一致性,对含N、S或卤素的分子预测为域外任务,但框架可通过扩大训练集和微调直接扩展。存在少数预测异常点(如多含氧官能团、环张力或共轭结构),提示需增加这些类别的计算数据覆盖范围。结论部分总结:DeepTherm代表了数据驱动热化学预测的重要进步,通过构建高质量数据集、综合随机与三种层次化分裂评估体系,以及系统对比8种描述符和8种基线模型,验证了其在复杂和未见分子结构上的优越性。大规模预测应用于40种动力学机理中的11,458种物种,n-庚烷燃烧模拟验证了其实际效用,点火延迟时间预测与实验高度一致,优于GA方法。该研究搭建了量子化学与动力学建模之间的桥梁,为数据驱动的化学机理开发奠定基础,对能量平衡分析、本质安全、含能材料、电化学能量学及环境建模具有广泛价值。模型架构和可泛化范式也为其他机器学习性质预测研究提供了基础。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号