AuLCA：针对化学数据缺失的扩展生命周期评估方法

《Green Chemistry》：AuLCA: augmented life cycle assessment for chemical data gaps

　　生命周期评估（LCA）已成为量化化学过程影响的主要工具，然而数据缺口仍然是其广泛采用的主要障碍。现有的LCA数据库涵盖了数千种主要高产量的化学品；然而，精细化学品往往被忽视。在这里，我们介绍了一种基于化学反应网络（CRN）、基于质量的影响传播和基于第一性原理的能量估算的增强型LCA（AuLCA）框架，以预测化学品的生命周期清单和影响。通过对四个案例研究应用AuLCA，我们发现其与商业数据有很好的一致性，准确度取决于化学反应网络的大小和密度。总体而言，AuLCA旨在支持跨化学规模的可持续决策，特别是在选择化学反应路径的早期阶段。

1. 我们提供了一种算法来填补生命周期评估中的数据缺口，这是量化绿色化学中研究的化学系统环境影响的基本工具。通过结合反应网络、基于质量的分配和基于第一性原理的能量消耗估算，我们能够估算生命周期影响，从而指导发现更环保的合成路线，即使只有少量数据可用。

2. 本研究估算了商业数据库中缺失的数千种化学品的生命周期足迹。我们的方法简化了耗时的LCA数据收集阶段，涵盖了之前缺乏LCA数据且由于涉及多个合成步骤而难以建模的化学品。

3. 除了改进我们的LCA增强算法（即通过精炼溶剂和产率估算）之外，下一步的关键是根据可持续性标准优化合成路径，并将这个改进的工具提供给绿色化学社区，以便LCA在该领域得到更广泛的采用。这将允许对化学系统（包括合成路线）进行基准测试，以识别更环保的替代方案，提供可测量的见解和趋势，以支持可持续发展。

自1998年绿色化学原则提出以来，这些原则已经将化学领域引向了一个新的范式，在这个范式中，可持续性不是一个事后考虑的因素，而是一个基本目标。如今，化学家和工程师在这些原则的指导下，致力于设计环境足迹更低的化学过程和产品，以确保长期的生态平衡。尽管这一总体目标非常明确，但通往真正可持续的化学工业的道路仍然充满不确定性。当前的化学工业占全球温室气体（GHG）排放量的10%，并被归类为难以削减的行业，这使得它成为可持续性驱动行动的关键目标。正在研究多种绿色化学技术，其可持续性表现需要通过指标进行量化，以支持实验研究、技术部署和政策制定。化学路线的影响最初是通过基于质量和能量的过程级指标来评估的，例如E因子、原子经济性或过程质量强度（PMI）。尽管这些指标解决了资源利用和废物预防等关键环境方面，但它们对复杂分子在整个生命周期中的完整环境足迹提供的信息有限。作为这些指标的补充，生命周期影响评估（LCIA）方法量化了化学系统在其整个生命周期中的环境、人类健康和资源影响，包括资源提取、制造、运输和生命周期结束阶段。LCA研究有助于识别对环境有害的过程、跨环境类别的负担转移（附带损害）以及影响环境影响的最为关键的参数。然而，完成LCA是一项耗时且资源密集的任务，需要详细核算参考产品生命周期中的所有材料和能量流动，其中大部分在实践中很难收集。因此，LCA通常只在完全表征和开发的流程之后才完成，从而减少了LCA结果对早期化学探索的影响机会。尽管已经进行了一些早期阶段的LCA，但对假设的合成路线进行完整的LCA仍然具有挑战性，因为缺乏数据。此外，即使是已经存在的化学品的LCA也可能面临许多数据缺口，这阻碍了可持续化学品的转型。LCA数据库，如ecoinvent，只包含了数百到数千种化学品，而这仅占注册物质总数2.79亿种的一小部分，这严重限制了可持续性评估。这在精细化学品（例如，制药中的活性化合物、农药、添加剂等）中尤为明显，因为它们的合成通常涉及多种反应步骤，需要使用多种试剂、溶剂和催化剂，而这些信息很少公开。已经开发了几种预测性LCA（简化LCA）方法来填补LCA数据缺口。它们使用估算来估计从摇篮到大门或从大门到大门的LCA影响，最近的趋势是利用机器学习算法将基本特征（例如分子结构、热力学性质等）与环境影响相关联。常用的机器学习方法包括人工神经网络、支持向量机和高斯过程回归器（SVM/GPRs），以及最近的Transformer。此外，还应用了基于优化的方法和相似性矩阵来解决同样的问题。大多数简化LCA方法都是基于用化学足迹训练集校准的回归方法。这些方法通常基于化学品的结构和性质，而没有明确考虑潜在的反应路径，尽管反应路径在化学品的足迹中起着关键作用。例如，乙烯可以通过蒸汽裂解器从石脑油中合成，也可以通过生物乙醇的脱水生产，从而产生完全不同的环境足迹。此外，这些回归工具是为特定类别的化学品和影响指标训练的，因此在超出训练集的范围进行外推时提供的准确性较低。在这里，我们通过开发一种新颖的增强型生命周期评估（AuLCA）方法来解决这些限制，该方法整合了化学反应网络、基于第一性原理的能量估算和基于质量的LCA数据传播。使用ecoinvent版本3.9.1的数据，我们展示了AuLCA能够提供合理的预测，尤其是在已知反应路径的情况下。总体而言，AuLCA旨在促进LCA的广泛应用，以支持更明智、透明和可靠的跨化学规模的可持续决策。

AuLCA包括几个核心组成部分，接下来我们将根据标准LCA的各个阶段进行描述。首先，定义LCA研究的目标和范围（图1A）。然后，进行数据收集和整理（图1B）。这涉及围绕已知生命周期清单（LCI）的化学品构建化学反应网络（CRN），这些LCI我们从商业数据库中检索。接着，将缺失化学品的影响从网络中传播的分子的LCI以及与相关反应路径相关的大门到大门排放中预测出来（图1C）。最后，分析预测的影响。在这里，应用留一法验证方法来评估算法在四个不同案例研究中的性能（图1D）。

AuLCA工具的四步框架：（A）目标和范围定义，（B）数据整理和网络构建，（C）影响增强和（D）数据分析和预测验证。第一步。分析的目标和范围

本研究的目标是计算1公斤化学品（功能单位）从摇篮到大门范围内的环境足迹。这里的挑战在于这种化学品的LCI是未知的，必须在其影响能够被计算之前进行估算。第二步。反应网络构建

我们通过定义一组化学品并收集它们相关的LCI来启动我们的工作流程，在我们的案例中，这些LCI是从ecoinvent v3.9.1数据库中检索的，符合ISO 14044/14040标准。为此，使用python v3.12中的brightway25包应用了与Lucas等人类似的过滤标准（更多信息见SI中的图5）。LCI是为1公斤化学品的功能单位定义的。接下来，围绕这些化学品构建CRN，通过识别它们周围的化学反应（即将分子转化为其他分子的化学反应集合）。由于输入数据的灵活性，化学品集合和CRN都可以更新，以包括最新的数据以及用户特定的定制数据集。这种结构确保了可以轻松解决常见的挑战，例如新化学品数量的增加和新的（以及更新的）表征因素，而无需改变算法结构本身。理想情况下，我们会使用化学数据库来构建CRN，通过从化学数据库中检索的化学反应迭代扩展分子集合。或者，也可以使用开放数据库（例如USPTO和CJHIF化学反应数据集（CRD））。尽管这些数据库是免费的，但它们通常包含的反应较少，因此可能会阻止使用某些分子（即那些没有出现在任何开放CRN中的分子），并在计算中需要一些额外的估算，如文章后面所讨论的。分析的目标是估算网络中未知足迹节点的LCI，这些节点与已知足迹的节点相连。在数据增强之前（SI的第1节），可能需要几种数据整理策略来确保它们可以用于LCA增强，无论它们的来源如何。第三步。数据增强

我们首先提供方法推导中遵循的一般术语。CRN表示为一个有向的二分图，由节点（化学品和反应）和边（反应和化学品之间的反应物和产物连接）组成。反应r属于图中的所有反应R的集合。化学节点n属于集合S := SKi ∪ SUi，在算法的迭代i∈I时，由已知（在集合中）或通过数据增强估算的（SKi）LCA数据的化学品集合，以及我们仍需估算足迹的化学品集合SUi给出。因此，在算法的任何迭代i中，SKi ∩ SUi的交集都是空的（SKi ∩ SUi = ?），因为化学品的LCI要么是已知的，要么是未知的，但不会同时是两者。随着算法的迭代进行，来自集合SUi的化学品逐渐添加到集合SKi中。最终，在数据增强步骤的最后一次迭代完成后，SUi中的所有化学品都将属于集合SKi。在迭代零时，集合SKi包含从商业数据库（例如，集合SEI）中检索到LCI数据的化学品。因此，在迭代0时，SK0 = SEI。此外，我们定义了在算法推导中使用的其他集合。具体来说，对于网络中的所有反应r（?r∈R），我们根据它们的基于质量的化学计量系数Vn,r∈2定义与传入节点n相关联的相应反应物集合SINr（如下所示）：
SINr = {n∈S|νn,r < 0} ?r∈R

相反，对于反应r的产物（SOUTr），我们有：
SOUTr = {n∈S|νn,r > 0} ?r∈R

类似地，产生（RPRODn）或消耗（RCONSn）化学节点n的反应集合分别定义为：
RPRODn = {r∈R|n∈SOUTr} ?n∈S

RCONSn = {r∈R|n∈SINr} ?n∈S

在图2中给出了一个反应（a）的例子，它有两个反应物（1,2）和两个产物（3,4）。在算法的迭代i = 0时，只有1和2使用从商业数据库检索的LCI进行建模，而在下一个迭代i = 1时，我们将计算化学品3和4的LCI，然后它们将加入集合SKi。

简单反应设置，包含两个反应物（1,2）和两个产物（3,4）。数据增强算法从商业数据库中的分子开始，例如，从集合中开始，但在执行数据增强时可能会遇到数据缺口（即，在尝试计算反应产物的足迹时，某些反应物的足迹可能缺失）。这可能是因为化学数据库包含的反应需要集合中不存在的额外反应物。因此，需要一种策略根据数据的可用性对反应进行排序，优先在那些手头有更多信息的反应中进行数据增强。因此，为了指导整个CRN范围内的LCI预测，我们根据此处引入的可用性因子（AF）对集合SUi中的反应r和节点n（那些尚未估计其足迹的节点）进行排序。AF量化了SUi中每个产生化合物的反应中可用的LCI数据量。在每次迭代中，具有最高AF的化合物和合成路径将被优先用于数据增强。因此，参数AFPi,n在每次迭代i中为每个节点n首先定义如下：

连接到反应r的节点集合，表示为Nr，定义如下：
Nr = SINr∪SOUTr

节点n在反应r中的AF，在迭代i时，计算如下：
对于每次迭代i，我们定义涉及节点n的所有反应中的最大AF为：
最后，我们可以定义RAFMaxi为在迭代i中实际达到最大AF的所有反应的集合：
在确定了计算的执行顺序后，我们接下来进行后续的影响增强。这里，我们的目标是确定缺失化学品的生命周期评估清单（以及影响LCIIk,n）。影响可以通过特征化因子CFj,k从LCI中获得，这些因子将所有环境流J的流j映射到所有影响类别K的影响类别指数k。

反应网络中每个节点n的生命周期清单（LCIj,n）由产生缺失化学品的反应中的反应物所包含的LCI加上与化学品转化相关的LCI流组成，包括反应能量和下游分离所需的能量。在下文中，LCI RMj,n,r是由节点n中相应反应物的基于质量的LCI分配给出的清单，LCI Rj,n,r是与节点n中的反应能量相关的清单，而与反应r的分离能量相关的LCI表示为LCI Sj,r。由于不同的反应可能指向相同的化学品（即，不同的替代路径可能产生相同的分子），我们将如下计算跨路径估计的LCI的平均值：

反应能量清单LCI Rj,n,r是使用所有反应物和产物的基于质量的生成焓计算的，并根据感兴趣的节点的化学计量比进行归一化。此外，一旦计算出能量需求，它们就使用参数LCIHEATj转换为相应的LCI（即，从环境数据库中检索的加热或冷却剂的清单）。

同样，分离能量清单LCI Sj,n,r是根据分离所需的能量和溶剂以及从环境数据库中检索的能量供应LCIHEATj计算的。

在这里，我们估计参数HEATn,r，它量化了分离所需的能量，遵循Gani等人的启发式方法。本质上，这些启发式方法为反应r中的产品n提供了合适的分离技术。一旦确定了合适的分离技术，就应用能量和溶剂需求的启发式方法。在这里，我们关注蒸馏、液-液萃取和重结晶。最后，反应物中包含的清单LCI RMj,n,r是假设基于质量的化学计量系数与反应物的生命周期清单LCIj,n相结合的基于质量的分配方法计算得出的。

因此，整个算法（算法1）可以以紧凑的形式编写如下。表


算法1：增强型生命周期评估（AuLCA）

1
i ← 0
# 从迭代0开始

2
SKi ← SEI
# 初始化数据

3
SUi ← Si / SKi

4
为n∈SKi初始化LCIIk,n, LCIj,n
# LCA数据语料库

5
当SUi ≠ 0时

6
r ← RAFMaxi
# 排序

7
计算LCIIk,n, LCIj,n

8
SKi ← SKi ∪ n

9
SUi ← SUi / n

10
i ← i + 1
# 下一次迭代

11
返回LCIIk,n

图3展示了算法1在一个简单的反应网络中的工作方式，该网络包含七种化学品（1, 2, 3, 4, 5, 6, 7）和三个反应（a, b, c）。在迭代i = 0时，语料库SEI = {1, 2, 4}中的所有化学品都被添加到SKi中。同时，SUi = {3, 5, 6, 7} ≠ ?。由于反应r = a中的可用性因子n = 3最高，因此选择它作为下一个节点，因为RAFMaxi,n = a最高。在从LCIj,n计算出LCIIn之后，算法继续进行下一次迭代，直到循环停止，此时SUi = 0。更多详细示例见附录中的第2节。图3

算法1的示意图，基于一个包含三个反应（a, b, c）和七种化学品的简单反应网络。总共有十个节点，即化学品和反应。步骤4。数据验证和分析

在这里，算法针对已知数据进行了验证，并从生成的LCA结果的分析中得出了见解，如下一节所讨论的。结果

算法的性能是使用ecoinvent中的数据来评估的（参见附录中的图S5）。该数据库主要包含高产量的化学品，从而影响了结果的准确性（参见附录中的限制和假设）。使用IDEA数据库进行的外部验证也可以在附录中找到，得出了类似的结果。对于已知合成路径的预测

我们首先假设反应路径是已知的，只有门到门的排放量是未知的，来评估算法的性能。为此，我们考虑了ecoinvent中的13种示例有机化学品进行验证，根据ecoinvent中的活动描述和物质流重建相关的反应路径（附录中的表4）。对于预测，我们一次只考虑一个合成步骤，即ecoinvent中的一种特定化学品一步转化为上述13种化学品中的一种，所有这些化学品也在ecoinvent中。随后，从检索到的ecoinvent数据中整理出只包含一个反应的反应网络。这种方法作为一个内部基准，以确保AuLCA算法在只需要预测已知单步合成路径的门到门排放量时能够准确捕捉环境影响。接下来，将AuLCA应用于每种化学品，重点预测IPCC 2021全球变暖潜能（GWP），然后使用以下指标与ecoinvent中的相应参考值进行比较：均方根误差（RMSE）、决定系数（R2）、平均绝对误差（MAE）和平均相对误差（MRE）。图4显示预测与参考值非常吻合（R2 = 0.97），RMSE为每千克0.74千克CO2当量，MAE为每千克0.52千克CO2当量，平均相对误差为11%。当分析与能量相关的排放量而不是总排放量时也获得了类似的结果（附录中的表4）。这一分析表明，当反应路径已知时，预测是准确的，这表明质量分配和门到门的计算在分析的案例中表现良好。图4

接下来，我们使用从ecoinvent中手动选择的化学品，基于相同的反应路径，评估AuLCA的预测性能。数值以每千克千克CO2当量给出。留一法验证

接下来，我们采用留一法验证（LOOV）来评估AuLCA的整体性能。LOOV的选择是为了尽可能最大程度地使用可用的验证数据，确保我们数据集中的每个化合物都用于验证，同时模型在剩余的实例上进行训练。鉴于高质量LCI基准的特定约束，LOOV提供了模型泛化误差的公平估计，并确保与所使用的LCA数据库进行直接、全面的比较。我们定义了四个不同的CRN案例研究，三个基于不同大小的开源（OS）数据，一个基于Reaxys数据47（表1）。表1

LOOV的选定案例研究。初始节点SK0代表可以用于影响增强的ecoinvent化学品的数量。并非所有初始节点SK0都用于LOOV，因此|SKLOOV| ≤ |SK0|

网络
开源（OS）
Reaxys

案例研究
CS I
CS II
CS III
CS IV

反应，r
10,000
100,000
300,000
308,500

化学品，S
16,000
140,000
360,000
310,000

SK0
49
98
122
236

SKLOOV
12
34
41
110

我们定义训练集，例如，每个案例对应的语料库SK0，为图中所有化学品S与从ecoinvent v3.9.1 SEI预计算的化学品的交集（SK0 = S ∩ SEI）。由于每个案例研究中CRN内的所有化学品S集合不同，训练集也不同。此外，这个集合需要过滤，得到用于LOOV的验证数据集SKLOOV。特别是，单原子化合物、PFAS、小分子（例如SiCl4）、无机化学品和重卤化分子被从SK0中排除以构建验证集（SKLOOV?SK0）（完整的过滤标准见附录中的第3.2节）。同样，由于CRN之间的差异，验证化学品SKLOOV的数量也在不同案例中有所不同，影响了比较。在LOOV过程中，从训练集SK0中移除验证集中的一个化学品的LCI，然后使用AuLCA对每个案例进行预测，使用剩余的已知数据对其他化学品进行增强。因此，整个数据增强过程根据验证集中的化学品数量重复多次，每次只排除其中一个。表2总结了结果。我们发现，更大的网络通常会导致更好的预测性能，尽管请记住这种性能是在不同大小的训练集上计算的。具体来说，在OS案例研究中，从10,000个反应增加到100,000个和300,000个反应时，训练集SK0的大小分别从49增加到98和122。请注意，训练集SK0的大小并没有随着网络大小的增加而按相同的比例增加，例如，对于十倍的增加（CS I与CS II），训练集SK0的大小只增加了一倍。训练集SK0的这种适度增长可以解释为OS网络中的许多反应不包含SEI中存在的任何ecoinvent化学品。因此，扩展网络并不保证初始节点集SK0的相应扩展。无论如何，随着训练集的增大，性能趋于提高，例如，更大的语料库SK0可以提高数据准确性，并能够更广泛地覆盖CRN中的化学品。此外，更大的互连程度，特别是在更大的CRN中，允许识别更多的替代合成路径，而验证数据通常依赖于单一选定的路径。由于我们的方法是在CRN内所有可用路径上平均值，因此预测强烈受到考虑的合成路径多样性的影响（即，网络中的路径数量，其中一些在工业上更为相关）。此外，稀疏的CRN可能由于网络内缺乏足够的反应连接而无法预测正确的合成路径。因此，关于网络大小有一个明显的权衡，因为更大的网络将在更广泛的路径范围内平均值（其中一些在工业上更为相关），而较小的网络可能无法识别最现实的路径。这种权衡在文章的后面部分有更深入的讨论。表2

LOOV的结果，在选定的案例研究中。使用的LOOV过滤标准见附录。更多指标见附录中的表3


网络
开源（OS）
Reaxys

案例研究
CS I
CS II
CS III
CS IV

RMSE [千克CO2当量/千克]
3.80
3.65
2.79
2.97

MAE [千克CO2当量/千克]
2.53
2.52
1.98
2.27

MRE [%]
72.3
81.1
59.3
72.1

R2
0.28
0.11
0.41
?0.08

当增加CRN和SK0的大小时，RMSE和MAE都有所改善（图5）。例如，比较CS I和CS III时，RMSE从3.80 kgCO2eq降低到2.79 kgCO2eq，而MAE从2.53 kgCO2eq降低到1.98 kgCO2eq。MRE从CS I到CS III也呈现出类似的趋势。图5。

数值以每千克kgCO2eq表示。案例研究的相关性和残差分析。(A)案例研究I，(B)案例研究II，(C)案例研究III，(D)案例研究IV。详细结果概述见表2。灰色区域表示相对于参考数据的可接受偏差，偏差范围为+100%/?50%。用于LOOV的所有化学品集合可以在补充信息（SI）中找到。基于Reaxys?的CRN策略在CS IV中显示出相当的预测准确性，RMSE为2.97 kgCO2eq，MAE为2.27 kgCO2eq，但MRE显著较高，为72.1%。然而，请注意，尽管包含的反应数量相似，训练集SK0和验证集SKLOOV几乎是CS III的两倍大。这是因为我们使用Reaxys?数据构建CRN的方式，允许在语料库中包含更多的ecoinvent化学品。CS IV中MRE较高是因为AuLCA倾向于高估低GWP分子的GWP，而在基于Reaxys?的CRN中，由于涉及此类化合物的反应数量较多，这种情况更为常见。虽然先前的性能指标表明预测性能良好，但跨案例研究的R2值相对较低且不一致。这些结果可以归因于验证数据的特定分布。具体来说，验证集内的低方差显著降低了R2的计算，即使绝对偏差相对较小也是如此。这种效应在CS IV中尤为明显，因为其中包含多种低GWP化合物，验证数据中的方差相应较低。因此，这些R2值应在数据的狭窄范围内进行解释，而不是作为模型准确性的缺乏。图5（顶部）显示了不同案例的所有预测值。如图所示，在所有四个案例研究中，大多数化学品的预测误差都在+100%/?50%的范围内（图6中的灰色区域）。然而，随着网络规模的扩大（从CS I的33.3%到CS IV的30.0%），超出灰色区域的化学品比例仅略有下降。如表2所示，小提琴图（图5底部）的趋势显示从CS I到CS III预测准确性逐渐提高。然而，在CS IV中，小提琴图也显示出了轻微的高估，即分布略微高于零，原因如前所述。图6。

CS III中LOOV化学品的预测误差分析。在SI中的案例研究CS I、CS II和CS IV中也观察到了类似的趋势。为了识别AuLCA中的任何偏差，我们分析了图6中的预测误差（仅针对CS III，其他情况在SI的图8中提供），发现正负预测误差的大小相似。因此，没有发现强烈的系统性高估或低估现象，这表明不存在任何系统性偏差。进一步评估结果显示，高误差的高估主要与大规模、工业合成的类烯烃化学品相关，这些化学品有非常成熟的合成路线。相反，它们的足迹是通过AuLCA使用更复杂的合成路径预测的，从而导致更高的GWP。这主要发生在CSI I–III中，因为数据集仅包含专利，其中一些可能从未大规模部署过，可能与当前的工业实践大相径庭。此外，这通常会导致更多的合成步骤和更大的排放。此外，在CS IV中，生产化学品的标准路线与其他较少见（且复杂）的路线平均在一起，这也导致了高估。相反，某些分子（例如乙炔）的低估通常发生在需要反应物（即氧气占其GWP的90%）在网络中缺失的情况下，因此通过代理值进行假设（见SI中的方程(S13)），这往往会低估它们的真实值。这强调了AF排序的重要性，以产生更准确的估计，接下来将进行讨论。

接下来，我们研究了AF对预测结果的影响（图7）。为此，我们统计了OS案例研究中CRN内的未知化学品数量（SUi）。为此，我们定义了一个AF阈值，将增强限制在那些具有最低信息水平的反应中生成的化学品上（即，至少有最低量的LCI数据可用）。图7。

调整可用性因子（AF）阈值对CS I中反应网络内可计算测试化学品数量的影响。百分比显示了可计算测试化学品的减少。如果不设置AF阈值，所有化学品都可以计算。引入一个适度的阈值0.25（即，每个反应中至少有25%的反应物和产物是已知的）会减少覆盖范围：CS II和CS III受到的影响较小，分别有79%和82%的化学品仍可计算，而CS I则降至68%。对于0.5的阈值，这种影响更加明显。更高的AF阈值，例如>0.75，几乎只留下少量化学品可计算。这一结果表明，在较小的CRN中，如CS I中，化学品之间的相互连接程度较差。在这里，大多数化学品是使用有限数量的反应计算的，这些反应受到AF阈值的强烈影响，而在CS II和CS III中，这种情况并不那么明显，因为它们包含更多的反应。无论哪种情况，很明显，为了在所有网络中进行预测，都需要近似（SI中的方程（1）、特别是在更大的网络中，由于相互连接更多。值得注意的是，Reaxys?提供了更多的替代路线和化学品之间的许多链接，因此几乎不受AF阈值的影响。图8为CS II和CS III中的化学品morpholine提供了一个示例网络。施加更大的AF会导致更复杂的网络，因为算法试图避免使用代理值。这需要进一步扩展合成路线，以便在不依赖太多近似的情况下将ecoinvent化学品与目标分子完全连接起来。当然，在两种情况下只有两个反应保持不变，而预测中使用的ecoinvent化学品（星号）的数量是相似的。因此，CS III中选择的路径更长，涉及更多的反应和化学品来绕过代理值（三角形）。图8。

为了识别案例研究化学品morpholine的计算图，可视化了CS II（绿色，左侧）和CS III（蓝色，右侧）的子网络。通过更多的反应库，可以通过影响传播从前面的步骤推断出缺失的化合物，从而避免使用不太准确的代理值。在较小的CRN中，例如100k OS示例（绿色，左侧），可用的反应较少，因此无法推断出缺失的化学品，必须通过代理值来假设：CS III只需要两个假设来计算morpholine的GWP，而CS II需要六个。这种观察到的行为突出了更大网络的优势，可以减少所需代理值的数量。然而，它们也导致了更复杂的路线，这些路线可能与更直接的路线不同，特别是在分析像ecoinvent中那样涉及较少合成步骤的成熟化学品时。数值示例表明，避免代理值比最小化路径长度更为关键，尽管这种效应可能因化学品而异。代理值无法区分高影响和低影响的化合物，因为它们分配了反应物的平均影响。因此，如果增加的不确定性保持较低，通过更长的、保留信息的路线来预测缺失的化合物是更可取的，因为这些路线更好地捕捉了化合物特定的影响。图9显示了案例研究CS III中反应能量、分离和基于质量的分配的影响（其余案例的类似模式显示在SI的图S9中）。如图所示，与之前的工作一致，预测主要受反应物中体现的影响支配（基于质量的分配的门到门影响范围为4.88–7.25 kgCO2-eq，CI 95%）。这是因为反应物已经包含了来自前面步骤的门到门影响，因此沿路径应用基于质量的分配会将这些上游的、与能量相关的影晌传播开来。此外，基于质量的分配影响的分布受到CRN选择的严重影响。图9。

基于初始化学集合SK0中的n = 122种化学品，分析了案例研究CS III中反应能量、分离和基于质量的分配的门到门影响贡献。分离中的能量需求明显超过了反应中的需求。这是因为反应步骤的条件通常较为温和，导致能量需求较小，与能量密集型分离过程（特别是蒸馏）的能量需求形成对比。此外，与放热反应相关的冷却任务的能量影响被忽略了，能量损失也被忽略了。此外，由于路径中各个反应假设的不同过程，分离中的能量需求更加分散。适用于替代LCIA方法

由于GWP目前（可以说是）量化环境影响的最关键指标，AuLCA算法仅针对IPCC GWP 202148方法进行了验证。尽管如此，AuLCA算法本质上旨在生成与任何评估框架兼容的LCIs，并且能够集成其他替代生命周期影响评估（LCIA）方法，如ReCiPe 201649或EF 3.1.50。

结论与展望

在这里，我们介绍了一种基于第一原理的方法来估算精细化学品的LCA数据。我们的数据增强算法AuLCA在填补数据空白方面表现出了有希望的性能，特别是在考虑相同路径的参考值时。该算法可以轻松执行数十万的LCAs，证明了其处理大型数据集的可扩展性。然而，我们的方法本质上受到语料库中输入化学品的质量和多样性以及LCA数据传播中使用的CRNs的限制。特别是，通过包含更多精细化学品，可以改善语料库中化学品的分布和方差。此外，可以通过增强CRNs中的化学多样性和网络连通性来最大化整体覆盖范围，从而提高预测能力。下一步的关键是将多个反应数据库集成起来，可能将基础CRNs（如CS IV中的）与更专业的CRNs（如CS I到CS III中的）结合起来。这种集成将扩展算法的能力，使其能够在更广泛的化学空间内操作，并允许使用更高的AF阈值。此外，还需要精细化门到门的估计，包括溶剂和催化剂的足迹，同时考虑更准确的产量。根据观察到的预测性能，AuLCA算法可以提供一个强大的平台来生成初步的LCA估计。它可以用来指导可持续决策，特别是在化学过程开发的早期阶段，此时数据往往有限。此外，AuLCA框架的下一版本可以作为一个工具箱提供给LCA从业者和化学家，以便为大量化学品生成环境足迹估计。由于开放的数据结构，AuLCA将能够支持用户定义的数据，以适应特定设置，包括集成多种LCIA方法，例如ReCiPe 2016。总体而言，AuLCA可以支持在众多应用中的早期设计决策，特别是在制药行业中指导活性化合物生产的可持续放大。具体来说，自动化目前手动进行的替代路线评估，将使化学家和过程工程师能够更有效地识别和优先考虑最可持续的合成选项，从而推动绿色化学在研究和工业实践中的目标。作者贡献

作者M. G. H.和D. J.的贡献是平等的。M. G. H.负责概念化、数据管理、形式分析、调查、方法论、软件开发、验证、可视化、撰写——原始草稿、审阅和编辑；D.J.：概念化、数据整理、形式分析、调查、方法论、软件开发、验证、数据可视化、撰写初稿、审稿与编辑；L. F. S.：概念化、调查、方法论、指导工作、审稿与编辑；G. G-G.：概念化、数据验证、撰写初稿、审稿与编辑、项目监督、资金筹措。利益冲突

无需要声明的利益冲突。数据可用性

本文支持的数据已作为补充信息（SI）的一部分提供，更多数据可通过Zenodo平台获取，链接为：https://doi.org/10.5281/zenodo.17962518。如需合理请求，可部分提供相关代码。补充信息请参见DOI：https://doi.org/10.1039/d5gc06892d。致谢

本出版物是瑞士国家科学基金会（NCCR Catalysis项目，项目编号225147）的支持下完成的。作者们同时感谢瑞士国家科学基金会的财政支持（LEARN-D项目，项目编号214877）。部分数据通过Reaxys.com的API获取。Elsevier拥有这些数据的所有权利。参考文献

注释

?

作者M. G. H和D. J的贡献相同。

?

版权所有 ? 2022 Elsevier Limited，除非特别注明内容由第三方提供。Reaxys是Elsevier Limited的注册商标。