表面活性剂科学中机器学习的研究综述：QSPR建模与生成方法的能力及局限性

《Journal of Molecular Liquids》：Review of machine learning in surfactant science: QSPR modelling and generative approaches, capabilities and limitations

　　

表面活性剂相关QSPR研究（2010–2026）的综述，兼顾了内在属性和实用属性。• 机器学习的成功取决于模型复杂度、化学空间覆盖范围和终端用户需求之间的匹配。• 生成式模型能够生成优化的结构和配方，但缺乏实验验证。• 概述了机器学习在表面活性剂领域可能的后续研究方向。引言表面活性剂是日常生活中最重要的化学物种之一。它们的关键特性是两亲性：由于同时具有疏水基团和亲水基团，表面活性剂会吸附在两种不混溶相之间的界面上，从而改变界面性质。这一现象被广泛应用于许多行业，包括制药、洗涤剂生产、提高石油采收率、食品加工和冶金浮选等。表面活性剂的全球产量持续增长；根据预测，表面活性剂年市场将从2024年的473.6亿美元增长到2032年的703.1亿美元[1]。如此多样的应用和可用产品给表面活性剂科学家带来了重大挑战，因为测量大量产品的关键表面活性剂性质（例如临界胶束浓度、表面张力、吸附和破乳/乳化活性）既耗时又费力。这些性质受多种耦合的多尺度现象控制，从纳米级分子相互作用到含表面活性剂体系的宏观组成。在实际配方过程中，复杂性进一步增加，涉及许多不同的组分。因此，表面活性剂工业需要新的方法来预测和表征高度多样化的含表面活性剂体系。机器学习（ML）是其中一种方法，通常被定义为人工智能（AI）的一个子领域，它使用统计和计算方法来识别数据中的模式。人工智能是一组更广泛的技术，模拟人类行为的各个方面。在化学领域，它还涵盖深度学习（DL），可以视为具有高级模式识别能力的机器学习，以及用于新化合物设计[2]和配方[3]的生成式模型。在大多数情况下，机器学习被应用于定量结构-性质（活性）关系（QSPR/QSAR）建模，该方法基于现有数据将分子结构与理化性质相关联。机器学习/深度学习算法[4]已被成功应用于各种工业和科学任务，包括预测药物活性[5]、汽油辛烷值[6]和风味轮廓[7]。机器学习能够考虑大量影响因素并捕捉系统特征与目标性质之间的关系，这使得这些方法对表面活性剂科学特别相关。已有几篇综述涉及AI和ML在表面活性剂中的应用。其中一些侧重于使用机器学习方法预测不同性质。例如，Hu等人[8]的综述涵盖了基于机器学习的QSPR对表面活性剂不同内在性质的预测，Creton[9]的综述则描述了机器学习在更广泛的表面活性剂计算化学方法背景下的应用。其他综述侧重于机器学习在特定狭小领域的应用。例如，Sridharan等人[10]最近的综述专门探讨了AI在胶体科学中的使用，主要用于实验和工艺设计；Di Guardo等人[11]的综述涵盖了AI在化妆品领域的应用，化妆品是表面活性剂最重要的终端应用领域之一。Racki和Paduszyński[12]的论文侧重于使用机器学习工具对离子液体进行建模，离子液体是一类与表面活性剂密切相关的化合物。这些综述证明了将机器学习应用于不同表面活性剂相关问题的可行性，并突出了该领域日益增长的兴趣。然而，据我们所知，机器学习能否为工业或实际任务带来新的好处以及有效使用机器学习的条件等问题尚未得到充分讨论，仍然是一个开放问题。本文的主要目的是对机器学习在表面活性剂科学和应用中近期进展进行结构化的批判性综述。本文不是提供机器学习研究的目录，而是探讨了预测性能与机器学习应用的不同方面之间的关系，包括问题复杂度、数据可用性和质量、模型类型以及化学空间覆盖范围。我们组织这篇综述的重点在于突出那些通过基于机器学习的预测或通过生成新分子和配方来建立表面活性剂化学性质与其性质之间联系的研究。本文分为七个连续的章节。第2节简要描述了综述中常见的机器学习算法和工作流。第3节回顾了机器学习在预测表面活性剂内在性质方面的应用。第4节总结了工业背景下的表面活性剂性质预测研究。第5节聚焦于AI工具在分子和含表面活性剂配方从头生成的应用。第6节和第7节是关键章节，总结了该领域的现状并提供了后续研究方向。我们预计本文的内容将对与表面活性剂相关并寻求找到机器学习方法适当应用的科学家和实际配方师具有参考价值。本综述聚焦于AI和机器学习应用的两个领域。第一个是从分子结构预测表面活性剂的内在和工业性质。由于Hu等人[8]关于表面活性剂QSPR的全面综述于2010年发表，此后取得了实质性进展，因此本文引用的大多数论文发表于2010年之后。内在性质被定义为那些决定表面活性剂独特化学性质的性质（例如界面活性、相行为、乳化形成）；工业性质是与工业任务直接相关的技术和经济参数（例如石油回收、清洁能力）。在某些情况下，两者之间的界限不能明确划分；例如，固体表面的吸附既可以被视为工业性质（例如在表面活性剂吞吐过程中），也可以被视为内在性质（例如研究单个表面活性剂的吸附时）。因此，工业性质和内在性质的区分是作为基于研究背景和QSPR模型预期应用的组织框架，而不是基于严格的物理化学分类。在涵盖工业性质时，我们并未试图纳入所有以任何形式考虑表面活性剂的研究；相反，我们尝试聚焦于探讨表面活性剂化学性质的论文。第二个领域是分子结构和含表面活性剂配方的从头生成。分子从头生成在此定义为产生表面活性剂新分子结构的计算过程；组成生成被定义为获得具有期望性质的表面活性剂体系的计算过程。文献检索使用主要科学数据库（Web of Science、Scopus、Google Scholar）和预印本档案库（ChemRxiv、arXiv）进行搜索和收集。检索范围涵盖2010年至2026年发表的研究。主要检索词为"surfactant"（表面活性剂），与不同的机器学习相关术语（"machine learning"、"artificial intelligence"、"QSPR/QSAR"）以及描述不同表面活性剂性质的术语（"CMC"、"interfacial tension"、"phase behavior"）组合使用。找到的记录首先根据标题和摘要进行筛选，随后对相关研究进行全文评估。从所选研究的参考文献中识别出的相关论文也被考虑在内。主要纳入标准是研究应考虑到表面活性剂的化学性质，即分子结构或分子特征（如HLB、logP或分子描述符）被用作输入或目标（对于专注于分子生成的论文）。我们排除了专注于其他计算化学方法而未使用机器学习方法的论文。基于基团贡献方法的论文也被排除，尽管这些方法在本质上与某些机器学习算法密切相关。纯粹的过程控制论文（不考虑表面活性剂特异性信息的论文，例如仅考虑表面活性剂浓度效应的研究）也未涵盖。ML算法和表面活性剂性质预测的工作流由于本综述的主要焦点是使用机器学习预测表面活性剂性质，我们简要概述了机器学习及其在QSPR中的应用，并强调了与处理表面活性剂相关的几个关键特征。内在性质的预测如前所述，表面活性剂的内在性质被定义为那些决定其区别于其他类化学物种的独特性质的性质。基于分子结构的机器学习预测这些性质可能为表面活性剂科学带来相当大的价值，因为涉及的化学范围更广泛：与工业性质相比，内在性质数据集在化学空间方面通常更加多样，且不受特定应用限制。首先，预测工业性质表面活性剂的体相和界面性质决定了它们在不同工业过程中的适用性，增加了另一个复杂层级。表4总结了不同领域中专注于工业过程应用的机器学习研究。与纯粹内在性质（CMC、表面张力）相比，可以注意到几个差异。首先，所综述的研究不仅依赖表面活性剂性质进行模型训练；此外，表面活性剂的化学性质经常被考虑在内。机器学习模型在分子和配方从头生成中的应用QSPR机器学习研究的逻辑结果是出现了几种利用机器学习模型生成具有期望性质的新型表面活性剂分子和含表面活性剂配方的AI方法。这些方法对工业界至关重要，因为它们可以缩短新产品开发所需的时间并避免实验筛选所有可能的分子片段或化学物种组合的必要性。几篇关于此类方法的论文已经出现。当前现状在过去16年中，许多论文考虑了机器学习在表面活性剂科学和应用中的应用。为了回答本文的主要问题是机器学习能否为表面活性剂科学增值，我们将其分解为几个方面。未来前景未来研究的第一个挑战和方向是数据的可用性、数量和质量。目前，只有长期确立且研究充分的性质（如CMC和表面张力）积累在大型数据集中，这阻碍了复杂机器学习方法的应用并限制了适用领域。为解决这些问题，应通过文献检索或实验收集更多在恒定实验条件下获得的高质量数据。更多实验结论机器学习方法在表面活性剂科学和工业中解决不同预测和生成任务的能力在过去几年中得到了扩展。新的复杂方法已被开发用于预测表面活性剂内在性质，如CMC、表面张力、相行为等，以及工业性质。所综述的论文表明，机器学习方法具有预测不同表面活性剂性质的基本能力，这取决于分子结构本身或依赖于其他因素。生成式AI和AI辅助技术在稿件准备过程中的声明在准备本文的过程中，作者使用了ChatGPT以提高英语拼写质量。在使用该服务后，作者审查并编辑了所需的内容，并对已发表文章的内容承担全部责任。CRediT作者贡献声明Timur Yunusov：写作——审阅与编辑，写作——初稿撰写，可视化，调查，数据整理，概念化。资金支持本研究未获得外部资金支持。利益冲突声明作者声明他们不存在任何可能影响本文所述工作的已知竞争性经济利益或个人关系。Timur Yunusov