MEP-CNN:一种基于分子静电势的爆炸性分子分类的可视化且可解释的机器学习框架

《Artificial Intelligence Chemistry》:MEP-CNN: A Visual and Explainable Machine Learning Framework for Explosive Molecule Classification based on Molecular Electrostatic Potentials

【字体: 大 中 小 】 时间:2026年05月17日 来源:Artificial Intelligence Chemistry

编辑推荐:

  鲁本斯·C·索萨(Rubens C. Souza)|娜塔莉亚·M·P·罗莎(Nathália M.P. Rosa)|胡里奥·塞萨尔·杜阿尔特(Julio Cesar Duarte)|马塞乌斯·马克西莫-卡纳达斯(Matheus Máximo-Canadas)|伊塔马尔·博尔赫斯(

  鲁本斯·C·索萨(Rubens C. Souza)|娜塔莉亚·M·P·罗莎(Nathália M.P. Rosa)|胡里奥·塞萨尔·杜阿尔特(Julio Cesar Duarte)|马塞乌斯·马克西莫-卡纳达斯(Matheus Máximo-Canadas)|伊塔马尔·博尔赫斯(Itamar Borges)
巴西里约热内卢军事工程学院(IME)国防工程系,蒂布西奥将军广场80号(Pra?a Gen. Tibúrcio 80),邮编22290-270

**摘要**
识别爆炸性分子对于安全和材料研究至关重要。在这项工作中,我们提出了一种机器学习框架,利用量子化学方法计算出的分子静电势图(MEP)图像对119种分子进行分类,这些图像展示了分子的正负电荷区域。通过将每张图像旋转30次来扩充训练数据集,并随后训练卷积神经网络(CNN)来对分子进行分类。该CNN分类模型结合了先进的基于梯度的可解释人工智能(XAI)技术和可视化方法。在测试集上,CNN取得了100%的准确率,证明了其有效性。在另一项实验中,当使用与训练集化学性质不同的分子时,CNN的准确率为81.25%:模型将其中8种分子分类为爆炸性物质,包括两种已知的模拟物和两种含有强吸电子基团的非爆炸性化合物,这表明模型能够捕捉到训练数据集中未包含的化学相关特征。为了更深入地理解模型的决策过程,我们使用了Saliency Map技术和reduce_max函数来识别MEP图像中对分类任务最关键的区域。中性且均匀的MEP区域主要特征是非爆炸性分子;相比之下,爆炸性化合物与明显的静电势梯度和局部电荷特征相关,尤其是在与硝基和触发键相关的区域。这项工作展示了将量子化学方法计算的MEP与机器学习相结合,用于分析和分类具有特定性质的分子的潜力。

**引言**
开发可靠的方法来合理化和预测分子行为一直是化学、材料科学及相关领域的重要目标[1]、[2]、[3]、[4]、[5]、[6]、[7]。准确预测分子性质不仅加深了对化学相互作用的基本理解,还在从药物设计到能源材料等应用中发挥着关键作用[8]、[9]、[10]、[11]、[12]。过去几十年中,计算技术的进步使得模拟和分析更加精确,不仅本身具有价值,还通过补充实验方法并扩展了关于分子结构和功能的研究范围[13]、[14]、[15]、[16]。然而,随着分子系统复杂性的增加以及对更快、更可扩展解决方案的需求提升,需要新的方法来克服传统技术的固有局限性[17]。
除了密度泛函理论(DFT)和分子动力学(MD)计算等理论化学方法外,计算和人工智能(AI)的指数级发展为分子研究开辟了新的前景[18]、[19]、[20]、[21]、[22]、[23]、[24]、[25]、[26]、[27]、[28]。机器学习(ML)工具能够处理大量数据,从而发现使用传统方法或人类难以获得的复杂模式和信息[29]、[30]。这种计算化学与AI的结合体现了所谓的科学第四范式,即将分子科学从基于经验试错的过程(第一范式)、基于模型的理论(如热力学定律,第二范式)以及像DFT和MD这样的计算模拟(第三范式),转变为数据驱动的ML合理化和设计[31]。
为了实现数据驱动的范式,ML模型使用了来自前三范式的各种类型的数据进行训练,包括实验数据和由计算模拟产生的数据,这些数据可以是数值型的、分类型的或基于图像的[32]、[33]、[34]、[35]、[36]。在这些数据中,基于图像的数据在当前研究中尤为有前景[37]、[38]、[39]。
为了处理通常属于回归、分类和聚类等类别的化学预测任务,长期以来一直采用经典的ML方法。成功的技术包括集成方法(如随机森林和梯度提升)、优化边界的支持向量机(SVM)以及基于相似性的k最近邻(k-NN)[40]、[41]、[42]、[43]。例如,在最近的一项研究中,随机森林模型使用结构描述符将485种爆炸性分子分类为五个冲击敏感性类别[44]。然而,基于图像的数据复杂性通常涉及分析光谱图或二维分子结构表示,因此需要更先进的特征提取能力[45]。这种需求推动了人工神经网络(ANNs)[46]的应用,进而发展出了深度学习(DL)。在这些复杂的多层架构中,卷积神经网络(CNN)特别适合这项任务[46]。CNN最初是为复杂图像处理设计的,它们使用专门的卷积滤波器从原始像素数据中自动准确地学习层次化特征,从而在分类和性质预测方面实现了高准确率[47]、[48]、[49]。
在能源材料研究中,几十年前通过Politzer和Murray[50]、[51]、[52]、[53]、[54]以及后来的Rice和Hare[55]的开创性工作,建立了一种基于量子力学计算的分子静电势(MEP)的图像中心方法。这些作者表明,可以通过分析使用从头算波函数方法或DFT计算的MEP表面来预测能源分子的冲击敏感性。通过将分子表面的特定势能区域与实验冲击敏感性值相关联,他们证明了MEP图像的视觉特征包含对爆炸性分子分类和分析至关重要的信息[50]、[51]、[52]、[53]、[54]、[55]、[56]、[57]、[58]。
尽管CNN在使用基于图像的表示时具有高预测性能和分类准确率,但其“黑箱”性质带来了一个关键挑战,即其决策过程缺乏透明度[59]。使用图像使模型能够从MEP表面提取传统数值描述符可能忽略的空间模式。这种方法捕捉了静电势的拓扑复杂性,为分类任务提供了更全面的表示。这些先前工作的根本意义在于发现关于冲击敏感性的预测信息与分子静电势的性质有关。因此,对于基于视觉属性的分子设计中的AI应用来说,仅仅预测结果是不够的:必须揭示CNN识别为与目标属性相关的特征及其在分子图像上的位置[60]。因此,可以采用基于梯度的可视化方法等可解释人工智能(XAI)技术来生成热图,突出显示模型进行预测时依赖的输入图像的具体区域[61]、[62]。
XAI技术的使用弥合了高预测性能与化学可解释性之间的差距。在这项工作中,我们提出了一种将CNN分类与先进的基于梯度的XAI可视化方法相结合的ML方法。具体来说,我们利用这些技术生成热图,突出显示模型用于判断分子是否具有爆炸性的MEP图像区域。通过这种方式,识别出了重要的化学见解,并验证了模型的物理相关性。以下部分详细介绍了数据集的准备工作,概述了所采用的CNN架构和XAI方法,展示了结果并进行了讨论,并总结了其对可靠、基于物理的分子设计的意义。

**方法**
我们的目标是开发一种机器学习模型,利用分子的静电势(MEP)图将爆炸性分子与非爆炸性分子区分开来,并对其结果进行合理化(解释)。图1展示了这项工作的整体工作流程,包括数据收集和整理、数据增强和数据集分割、模型训练、评估以及可解释性。重点在于减少潜在的数据偏差,确保模型的性能准确反映其泛化到新的、未见过的分子的能力。

**下载:** 下载高分辨率图像(116KB)
**下载:** 下载全尺寸图像

**图1. 使用卷积神经网络(CNN)构建所提出方法的示意图。** MEP – 分子静电势。

创建分类器的第一步是分离数据。最初,爆炸性分子和非爆炸性分子之间存在一些相似性,许多爆炸性化合物主要通过额外的硝基(NO2)取代基来区分。在补充材料的表S1中列出了本研究中使用的爆炸性分子,而表S2收集了非爆炸性分子。最初从参考文献[63]中选择了67种硝基芳香族爆炸性分子,作者使用量子化学计算方法识别了所谓的触发键,即引发爆炸性分解的键。Shoaf和Bayse[63]使用密度泛函理论(DFT)和M06-2X交换相关泛函[64]以及TZVP基组[65]对这些分子进行了几何优化计算;它们的笛卡尔坐标可以在补充材料中找到。所有结构都通过振动频率分析确认为势能表面的最小值。为了生成MEP图,在MP2/def2-TZVP水平上进行了单点能量计算,得到了本工作流程中使用的静电势表面。MP2/def2-TZVP方法用于计算分子静电势(MEP)表面,因为它提供了MEP的一致描述[66]、[67]、[68]。所有量子化学计算都是使用Gaussian 16软件包进行的。

为了进行比较,从爆炸性物种的结构中去除爆炸性基团(如-NO2)后构建了芳香族分子。然后使用上述相同的方法对这些结构进行了优化,并生成了MEP图。这些表面在GaussView中进行了可视化,分子表面由0.001 a.u.的等值线定义,MEP使用从-0.08 a.u.(红色)到+0.08 a.u.(蓝色)的颜色范围映射到该表面上,遵循Rice和Hare[55]的方法。这一过程产生了119个分子的数据集以供进一步分析。

先前的研究表明,使用B3LYP和B3PW91等交换相关泛函或非相关的Hartree-Fock方法获得的静电势值和空间模式在质量上非常相似,尤其是在MEP的空间分布方面[69]。基于这一特性,为了研究生成的模型是否适用于与之前数据集(从爆炸性分子衍生的非爆炸性分子)具有不同相似性的数据集,我们引入了一个新的测试集,详细信息见表S3。这个额外的数据集包含32种分子,包括16种对硝基苯胺(pNA)衍生物、4种非爆炸性苯基分子以及12种含有与爆炸性硝基不同的吸电子基团的分子。pNA分子是一个推拉系统,由C1处的供电子氨基(-NH2)和C4处的吸电子硝基(-NO2)通过苯环连接,如图2所示。这种结构使pNA成为研究溶剂色变、分子内电荷转移过程以及取代基依赖的电子和光学性质调节的典型系统[70]、[71]。由于氨基是邻位/对位导向基团,而硝基是间位导向基团,两者都倾向于C2和C6位置的亲电取代。由于这些位置在对称性上是等价的,所有pNA衍生物都仅在C2(邻位)位置被取代。这些几何结构在CAM-B3LYP/def2-TZVPD理论水平上进行了优化[71]。所得到的分子集包括供电子取代基(-NH2、-OCH3、-OH、-C6H5、-CCH)、通过超共轭作用的适度供电子取代基(-CH3)以及吸电子基团,包括卤素(-F、-Cl、-Br)、强诱导取代基(-CF3和-CCl3)和π-受体(-CN、-COOH、-SO2H和额外的-NO2)。先前的分析[71]表明,这些取代基选择性地调节了系统的光化学响应和电荷转移特性,从而改变了相应的MEP的整体模式。

**下载:** 下载高分辨率图像(105KB)
**下载:** 下载全尺寸图像

**图2. 研究的16种对硝基苯胺(pNA)衍生物。** 标有R的橙色圆圈表示取代基的位置。

独立测试组包括4种二取代苯衍生物,即C6H4O2、C6H4NH2、C6H4NH22和C6H4CH22,它们的几何结构在B3LYP/def2-TZVP理论水平上进行了优化[70]。化合物C6H4O2和C6H4NH2在环和每个取代基之间具有双键,导致喹诺酮结构并使电子密度从芳香环转移到取代基中。相比之下,C6H4NH22通过氨基的孤对电子捐赠增强了π电子的离域,而C6H4CH22则通过亚甲基的p轨道增强了离域。

独立测试组的另一组分子包括12种化合物,其中6种是爆炸性的,6种是非爆炸性的。爆炸性分子选自重氮和磺酰叠氮类,包括对氯苯磺酰叠氮、4-甲氧基苯基叠氮、对甲苯磺酰叠氮和甲苯磺酰叠氮[72]。此外,还包含了两种其他高能量的化合物:氰尿酸三叠氮(CTA,C3N12),这是一种中性高能量化合物,被提议作为初级炸药的潜在替代品;以及苯三呋喃(BTF,C6N6O6)衍生物[73]。这些非爆炸性化合物被选中是因为它们含有强吸电子的取代基,如CN、F和羰基,并包括六氟苯(HFB)、四氰苯(TCNB)、苯甲醛、苯磺酸、1,3-二乙炔基苯和甲基2-二氮-4-苯基丁-3-烯酸。选择这些化合物也是为了减少含硝基化合物可能带来的偏见,从而能够评估模型在存在多种吸电子基团的情况下区分爆炸行为的能力。总之,数据集包含了119个用于模型开发的初始分子,以及额外的、多样化的分子基团作为独立测试集来评估模型的预测性能。尽管119个分子的数据集对于某些计算研究来说已经足够,但对于训练一个强大的深度学习模型来说相对较小。为了解决这个问题并防止过拟合,采用了数据增强策略来人工扩展数据集。这种方法是基于图像的机器学习中的标准技术[74]、[75]、[76],也包括在化学领域[77]、[78]、[79]中,通过增加训练集的多样性并提高对方向变化的鲁棒性来显著提升模型的泛化能力[80]。对于训练数据集中的每个分子电势(MEP)图像,生成了30个旋转版本,旋转角度以12°为增量,从0°到348°。首先将图像填充为正方形,调整大小至256×256像素,然后进行旋转而不裁剪,以保持分子结构,因为许多图像没有标准的正方形格式,否则在旋转过程中可能会裁剪掉部分MEP。整个过程使用Python的Python Imaging Library(PIL)实现。这一过程使得训练数据集显著扩大且更加多样化。

在数据增强之前,119个分子被分为三组:70%用于训练(83个MEP),15%用于验证(18个MEP),15%用于测试(18个MEP)。这种70/15/15的分割与机器学习文献中广泛采用的70/30训练-评估范式一致,这对于评估模型的真实泛化能力和避免过拟合是必要的[81]。然后仅对训练集应用数据增强,生成了同一分子的30个不同旋转版本的图像。

对于爆炸性和非爆炸性分子的二分类问题,实现了卷积神经网络(CNN)。最终模型架构及其关键超参数是通过全面的网格搜索确定的,该搜索评估了32种不同的组合以最大化验证准确性。随后对Dropout权重进行了微调,以进一步优化泛化性能。所有超参数和其他CNN设置详细记录在补充信息中。执行环境被配置为优化训练时间并高效利用图形处理单元(GPU),这对于改进深度学习模型非常重要。安装使用了Conda,并确保使用Python 3.10以保证兼容性。在这个Conda环境中包含TensorFlow版本2.15是基础,因为这个版本优化了与NVIDIA CUDA/cuDNN库的配合使用,使得密集的CNN计算和网格搜索可以直接在GPU上执行。这种配置确保了足够的处理能力来完成模型的训练轮次。

为了提供可解释性并识别出在分类过程中最具影响力的视觉特征,实施了显著性图技术。这种基于梯度的方法使用TensorFlow框架来计算模型损失函数相对于每个输入图像像素的导数——具体来说,使用tf.GradientTape()函数来追踪和计算模型输出logits相对于静电势图像像素的梯度。将tf.reduce_max应用于这些梯度的绝对值,生成了一个热图。这个热图突出了对模型决策影响最大的MEP表面区域,提供了分类过程的透明视图。

为了准确突出支持预测类别的特征,动态设置了梯度计算的目标值:在分析支持爆炸性类别(1)的特征时使用正logit分数,在分析支持非爆炸性类别(0)的特征时使用负logit分数。这确保了热图正确捕捉到最大化所需类别预测的像素。计算梯度后,计算了所有颜色通道上的绝对最大梯度值(tf.reduce_max(tf.abs(grads),axis = ?1)以创建初始显著性图。为了增强不同分子之间的可视化和比较,将这个原始热图进行了Min-Max归一化到0到1的范围。

每个分子的最终输出是通过Matplotlib库生成的多面板图,提供了完整的视觉上下文,并在补充材料中提供。该图显示了四个关键视图;这些可以在补充信息中找到,并在图3中说明。

下载:下载高分辨率图像(116KB)
下载:下载全尺寸图像

图3. 1,5-DNN(爆炸性)在-0.08到0.08 a.u.范围内的MEP表示和显著性图:(a) 分子结构;(b) MEP输入图像;(c) 叠加的显著性图;(d) 纯显著性图。

结果与讨论

如前所述,我们的CNN模型用于将分子分类为爆炸性或非爆炸性的数据集被分为三组:训练集、验证集和测试集。训练集包含2,490张图像,由83个不同的分子静电势(MEP)表面生成,每个表面旋转了30次。验证集和测试集各使用了36张图像。验证集和测试集有意不进行数据增强,以确保评估仅基于原始的、未旋转的分子配置,这是文献[74]、[82]、[83]、[84]所推荐的。模型的分类性能验证了数据准备和训练方法的有效性。开发的CNN在测试集上达到了100%的准确率,该测试集仅包含18个独特的、未经增强的MEP。这种完美的分类性能证实了数据增强策略成功处理了类别不平衡问题,并有效地泛化到了未见过的原始数据。此外,图4中显示的训练历史表明模型收敛成功且稳定。

下载:下载高分辨率图像(151KB)
下载:下载全尺寸图像

图4. CNN模型在73个周期内的训练和验证历史。左侧面板显示每个周期的准确率,右侧面板显示训练集和验证集的每个周期的损失。

使用损失和准确率指标评估的模型性能最初显示训练集和验证集之间存在显著差异。这种差异在第14个周期后对于准确率曲线稳定下来,在第51个周期后对于损失曲线也稳定下来,这表明模型能够学习并泛化,而不仅仅是记忆训练数据。随后在测试集上实现了100%的准确率,该测试集包含了一组具有代表性的分子,证明了模型对循环分子的强大泛化能力。尽管这种情况不常见,但在高准确率的研究中也有报道[85]、[86],表明模型成功识别了一组高度区分性的特征来解决分类任务,显示出没有过拟合的迹象。

在生成模型后,使用tf.reduce_max函数来评估训练模型中特征的重要性。图5显示了被分类为非爆炸性的萘分子的热图。热图表明,当电荷分布接近中性时,模型赋予几乎完整的MEP更大的重要性。将这一结果与分子结构进行比较,我们观察到当氢原子位于边缘时会发生这种情况,如绿色到蓝色的颜色尺度所示,这代表中性或略微正的区域。这一观察与化学直觉一致:碳-氢(C-H)键的电负性差异非常小,导致电荷分布几乎均匀。这种均匀性反映在MEP上,主要是绿色的。因此,模型发现中性或略微正的静电势是将其分类为非爆炸性的重要指标。这一发现与文献中描述萘是一种能量低且稳定性高的分子的观点一致[87]。

下载:下载高分辨率图像(192KB)
下载:下载全尺寸图像

图5. 萘 - MEP在-0.08到0.08 a.u.范围内生成:(a) 分子结构;(b) 输入图像;(c) 叠加的显著性图;(d) 纯显著性图。

总体而言,开发的模型倾向于更重视MEP中的中性电荷区域。当边缘有非常负的电荷时,模型会给予该电荷更大的重要性,但同时结合非爆炸性分类的整体中性电荷。正电荷对分类没有显著影响。虽然传统的基于MEP的分析通常关注局部极值或以键为中心的势能,但当前的CNN模型捕捉了分子表面静电势的全局空间分布信息。

对于爆炸性分子,分类描述符的重要性各不相同,非爆炸性分子也是如此。值得注意的是,训练集包含了不同的芳香族和杂芳香族核心,而不仅仅局限于单一的结构家族。这些化合物包括硝基苯衍生物(单硝基、二硝基和三硝基取代的苯和甲苯,如DNP、DNR等)、多环硝基芳香族(例如二硝基萘衍生物如DNN化合物)、芳香胺(如TATB和TETNA)、硝化杂芳香族框架(例如DADNPy)以及氯化化合物(如ClTNB)。在这些不同的家族中,芳香性在各自的π系统中得以保留,而取代基的引入,特别是爆炸性基团,促进了电荷梯度和静电异质性的形成,调节了分子静电势的全局分布。这种结构多样性将MEP分析扩展到了几乎相同的类似物之外,同时仍然保留了与爆炸性基团存在相关的化学意义上的相似性。

图6显示了1,8-DNN分子的热图,这是一种由两个融合的苯环(萘)组成的爆炸性化合物,在相反位置带有硝基。这个热图表明,尽管分子结构的许多部分对分类很重要(绿色区域),但左侧边缘的黄色区域也非常相关。将这一区域与分子结构进行比较,可以清楚地看到这个区域对应于硝基(NO2)。文献将这一基团描述为强吸电子的取代基,它会导致电子密度的显著重新分布[53]。这一特征在MEP中可见,其中终端氧原子显示为红色,中心氮区域显示为黄色,表明由于爆炸性基团的电负性导致局部负电荷过剩[55]。此外,MEP模式在分子核心显示出一个正或中性区域,这是高能量化合物MEP的特征,对于分类非常相关[55]、[88]。CNN不仅关注最负的区域,还关注负电荷和正/中性电势之间的过渡区域,表明它对静电梯度敏感,而不仅仅是集中在单一区域的电子密度。补充材料包括了本工作中所有爆炸性和非爆炸性分子的结构、MEP和热图。

下载:下载高分辨率图像(168KB)
下载:下载全尺寸图像

图6. 1-8-DNN - MEP在-0.08到0.08 a.u.范围内生成:(a) 分子结构;(b) 输入图像;(c) 叠加的显著性图;(d) 纯显著性图。

CNN模型更重视MEP边界处更中性或负值的区域(绿色和黄色),而中心部分主要由正电荷(蓝色)主导,表明它将静电势梯度识别为分类爆炸性或非爆炸性的最关键指标。这一结果与Rice和Hare[55]的发现一致,他们报告说,电子密度在分子中的分布越不均匀(排除了位于电子供体或电子受体取代基上的电荷极端),分子对引发影响的敏感性就越高[55]。在补充材料中呈现的其他热图中也观察到了相同的行为,进一步证实了CNN优先考虑电荷分布更异质的区域来分类分子为爆炸性的结论。另一个相关方面,正如Owens等人[54]和Murray等人[53]所指出的,与冲击敏感性相关的MEP(分子静电势)最显著的特征集中在C?NO2键区域,这些区域与正电荷的积累有关。我们的模型一致地赋予这些C?NO2键上的正电荷区域重要意义,将其识别为爆炸性分子的代表性特征。因此,显著性分析表明,卷积神经网络(CNN)学会了解释静电势的表示,整合了局部电荷积累和全局电荷分布。在完成模型构建后,我们将其应用于一组新的32个分子上,这些分子在之前的任何过程中都未被使用,详见表S3。使用这些分子展示了如何将测试数据集应用于开发的分类模型。我们将这组数据集称为独立测试集。这组分子主要由一系列取代的硝基苯胺组成,它们共享一个共同的芳香苯胺核,但在附加取代基的性质和位置上有所不同,包括单硝基和二硝基苯胺,以及含有吸电子基团(如氰基、卤素、三氟甲基、三氯甲基和磺酸)和供电子基团(如氨基、甲氧基、羟基、烷基和苯基)的衍生物。在所有情况下,苯环的芳香性都得到了保留,而取代基则调节了产生的静电势分布。在这组分子中,硝基和氨基形成了特征性的电子吸引-排斥模式,产生了与硝基相关的局部负区域和与氨基相关的正电荷或较不明显的负区域。值得注意的是,该集合还包括缺乏硝基苯胺核的分子,例如非芳香性的1,4-苯醌,由于其共轭羰基系统而表现出特征性的MEP。独立测试集还包括6种爆炸性分子和6种不含硝基的非爆炸性分子。选择这些分子是因为它们含有与爆炸性基团(硝基)不同的吸电子基团(EWGs),以减少与硝基数量或高MEP梯度区域相关的潜在偏差。这个独立测试集允许评估CNN对特定官能团存在以及更全局电荷分布模式的响应。

在训练阶段使用的分子集合被明确定义为爆炸性或非爆炸性;然而,这组额外分子的分类则不太确定。因此,使用这组包含32个超出训练分布范围的分子来评估模型的泛化能力。模型将其中8个分子分类为爆炸性:BTF(C6O6N6)、TCNB(C10H2N4)、对氯苯磺酰叠氮化物(C6H4SO2N3Cl)、对甲苯磺酰叠氮化物(C7H7SO2N3)、甲苯磺酰叠氮化物(C7H7SO3N3)、1,4-苯醌(C6H4(O)2、2,4-二硝基苯胺(C6H5N3O4)和2-氰基-4-硝基苯胺(C7H5N3O2)。其中,有4个被正确识别为爆炸性物质(BTF和三种磺酰叠氮化物),而另外4个被错误分类(TCNB、1,4-苯醌、2,4-二硝基苯胺和2-氰基-4-硝基苯胺),尽管它们在化学上与爆炸性物质有关。此外,两种爆炸性化合物(CTA和4-甲氧基苯基重氮甲烷)被错误分类为非爆炸性,而其余两种分子被正确分类为非爆炸性。如图8、图9和图10所示,一些分子显示出视觉上相似的分布,这可能导致了模型的错误分类。独立测试集的准确率为81.25%,这种错误分析可以通过混淆矩阵(图7)更好地观察到,有关分子的详细分类信息,请参见表S3。在独立测试集的32个分子中,有6个被模型错误分类。

在训练阶段使用的分子集合被明确定义为爆炸性或非爆炸性;然而,这组额外分子的分类则不太确定。因此,使用这组包含32个超出训练分布范围的分子来评估模型的泛化能力。模型将其中8个分子分类为爆炸性:BTF(C6O6N6)、TCNB(C10H2N4)、对氯苯磺酰叠氮化物(C6H4SO2N3Cl)、对甲苯磺酰叠氮化物(C7H7SO2N3)、甲苯磺酰叠氮化物(C7H7SO3N3)、1,4-苯醌(C6H4(O)2、2,4-二硝基苯胺(C6H5N3O4)和2-氰基-4-硝基苯胺(C7H5N3O2)。其中,有4个被正确识别为爆炸性物质(BTF和三种磺酰叠氮化物),而另外4个被错误分类(TCNB、1,4-苯醌、2,4-二硝基苯胺和2-氰基-4-硝基苯胺),尽管它们在化学上与爆炸性物质有关。此外,两种爆炸性化合物(CTA和4-甲氧基苯基重氮甲烷)被错误分类为非爆炸性,而其余两种分子被正确分类为非爆炸性。如图8所示,1,4-苯醌在甲虫科(Carabidae)的化学防御机制中起着核心作用[89]、[90]。这种机制基于Brachininae和Paussinae亚科物种中观察到的爆炸性化学释放[91]。这些昆虫通常被称为投弹甲虫,它们通过位于腹部末端附近的腺体开口喷射一种含有苯醌的热毒化学物质[92]。1,4-苯醌是在喷射时由氢醌和过氧化氢反应生成的。这些试剂与反应室中的酶接触会触发快速放热反应,释放出苯醌、分子氧和水的混合物,温度可达到约100°C[93]、[94]。尽管这种化合物不含传统上与爆炸性基团(-NO2)相关的硝基,但模型仍将其分类为爆炸性物质,表明其能够捕捉到1,4-苯醌的活性特性。

相比之下,2,4-二硝基苯胺(如图9所示)是一种爆炸性模拟物[95]——这可能解释了其被分类为爆炸性的原因。爆炸性模拟物是一种惰性的、无害的材料,旨在复制真实爆炸物的相关特性,从而在无法使用或禁止使用真实爆炸物的操作环境中模拟它们的行为[96]。

三种磺酰叠氮化物化合物被正确分类为爆炸性[72],如图11所示。对其MEP的视觉检查显示了明显的静电梯度,特别是在分子边缘区域,这些区域之前已被确定为与爆炸性分类高度相关。值得注意的是,与测试数据集中的大多数爆炸性分子不同,这些化合物不含硝基。相反,磺酰叠氮化物取代基作为强吸电子基团,促进了电子密度的显著重新分布,并生成了与模型为爆炸性系统学习的MEP特征一致的MEP。

模型错误地将独立测试集中的3个分子分类为非爆炸性:两种已知的爆炸性物质(CTA和4-甲氧基苯基重氮甲烷)和一种非爆炸性化合物(TCNB)。图12和图13展示了代表性的错误分类。尽管CTA和4-甲氧基苯基重氮甲烷是公认的爆炸性化合物[72]、[73],但它们的分子静电势(MEP)显示出主要的中性、相对均匀的电荷分布,负区域不那么明显,导致模型将它们分类为非爆炸性。特别是CTA含有三嗪核心,其中环中的氮原子似乎促进了更均匀的静电势,类似于非爆炸性分子中观察到的模式。相比之下,TCNB没有发现爆炸性行为的证据,但由于其分子末端和高度正电的中心区域之间存在显著的静电梯度,被分类为爆炸性。值得注意的是,其MEP与正确分类为爆炸性物质的BTF非常相似,两者都在分子表面表现出明显的电位差异。这种相似性表明模型更重视静电梯度而不是特定的官能团。

为了评估所开发的模型是否能够准确识别MEP中的这些重要特征,我们旋转了图像并评估了生成的热图。结果显示,旋转后变化很小,MEP的最关键部分无论图像如何旋转都保持突出显示。这种行为证实了CNN模型获得了旋转不变性,并学习了相关特征[80],支持了重要性图的稳定性和可靠性,并表明模型没有生成随机的 importance 图[97]。图14展示了二苯酮的情况。

一些图像显示,图中的某些重要特征与MEP中的阴影重合,同时也代表了硝基。然而,这些重要性层次并不代表分子的总分类;分子中颜色较淡的其他部分也是分类权重的一部分。另一方面,在高斯程序中无法从图像中去除阴影,因为该程序只有有无阴影的选项。如果选择无阴影的选项,图像将完全失去这项研究的意义,因为这项研究的目的是分析分子在其2D MEP中的深度。因此,我们保持了带有初始阴影的分子分析。图15展示了无阴影的图像外观。

总之,结果表明所提出的CNN模型具有泛化能力,在测试集上实现了100%的准确率,并在另一个(独立测试集)中将有8个分子分类为爆炸性。其中,4个是爆炸性物质,另外3个在化学上与爆炸性物质相关。这一性能得到了训练和验证曲线收敛的支持,证实了数据增强方法的有效性。使用热图进行的特征重要性分析显示,模型赋予了MEP的特定结构特征更大的重要性。对于非爆炸性分子,重要性在于中性区域,当它们出现时,在伴有负电荷的中性区域,表明分子稳定性。对于爆炸性分子,模型关注静电势梯度和与硝基相关的中性或负电荷区域。相比之下,MEP的中心部分显示正电荷。模型的旋转不变性通过重要性图的稳定性得到了证实,增强了这些环状系统特征的可靠性。

在这项工作中,我们开发了一个卷积神经网络(CNN),用于基于分子的分子静电势(MEP)图将分子分类为爆炸性或非爆炸性。该CNN模型通过数据增强策略实现了从83张图像扩展到2,490张图像的训练数据集,方法是旋转原始图像。训练过程表现出优异的收敛性,训练和验证损失曲线在第12个周期后稳定下来,证实了模型无需过拟合即可泛化的能力。最终模型在测试集上实现了100%的准确率,验证了其提取和利用高度区分性特征进行分类任务的能力。使用显著性图进行的可解释性分析提供了对模型决策过程的重要物理洞察。该模型采用分子电荷密度的静电势表示,其中分类不仅由局部极端值驱动,还由全局电荷分布驱动,整合了局部负区域和中性到正电位的扩展域,以及这些区域之间的电位梯度。对于非爆炸性分子,CNN优先考虑中性电荷区域,当存在时,中性电荷伴随负电荷,表明分子稳定性。相反,对于爆炸性化合物,模型关注静电势梯度和与硝基相关的中性或负电荷区域。MEP的中心部分显示正电荷。模型的旋转不变性通过重要性图的稳定性得到了证实,增强了这些环状系统特征的可靠性。

总之,我们开发了一个卷积神经网络(CNN),用于基于分子的分子静电势(MEP)图将分子分类为爆炸性或非爆炸性。该CNN模型通过数据增强策略将训练数据集从83张图像扩展到2,490张图像,方法是旋转原始图像。训练过程表现出优异的收敛性,训练和验证损失曲线在第12个周期后稳定下来,证实了模型无需过拟合即可泛化的能力。最终模型在测试集上实现了100%的准确率,验证了其提取和利用高度区分性特征进行分类任务的能力。使用显著性图进行的可解释性分析提供了对模型决策过程的重要物理洞察。该模型采用分子电荷密度的静电势表示,其中分类不仅由局部极端值驱动,还由全局电荷分布驱动,整合了局部负区域和中性到正电位的扩展域,以及这些区域之间的电位梯度。对于非爆炸性分子,CNN优先考虑中性电荷区域,当存在时,中性电荷伴随负电荷,表明分子稳定性。相反,对于爆炸性化合物,模型关注静电势梯度和与硝基相关的中性或负电荷区域,而MEP的中心部分显示正电荷。模型对独立测试集中的32个分子的应用突显了其优点和缺点。虽然模型正确识别了爆炸性物质BTF、磺酰叠氮化物-ClBz、磺酰叠氮化物-MeBz、磺酰叠氮化物-OMeBz和爆炸性模拟物2,4-二硝基苯胺,但它将爆炸性物质TCNB错误分类为非爆炸性,将1,4-苯醌和一种类似的非爆炸性衍生物(2-氰基-4-硝基苯胺)错误分类为爆炸性。这种错误的分类很可能是由于它们的分子能量图(MEPs)与训练组中分子的MEPs在视觉上相似所导致的。尽管训练集仅包含含有硝基的分子,但模型仍然正确地分类了那些缺乏这一基团的爆炸性分子。这表明模型关注的是MEPs的特征,而不是硝基的存在。总体而言,这项研究建立了一个强大且易于解释的框架,证明了深度学习结合可解释性方法后,能够通过MEPs提取并利用分子电荷分布的基本原理来进行准确的预测分类。这只是初步的探索性尝试;未来的改进应该从纳入MEP图的三维旋转开始。此外,还在类似的理论框架下对爆炸物的其他物理化学性质(包括焓、爆炸热和爆速)进行研究。

**数据和软件可用性**
本研究的源代码、机器学习模型参数、输入文件和输出示例均可在实验室仓库中获取,访问地址为:
https://github.com/Quimica-Teorica-IME/MEP-CNN---A-Visual-and-Explainable-Framework-for-Explosive-Molecule-Classification
同时也可以在Zenodo平台上获取:
https://doi.org/10.5281/zenodo.17726207CRedI

**作者贡献声明**
- Itamar Borges Jr.:撰写、审稿与编辑、验证、监督、资源管理、项目统筹、方法论设计、资金获取、数据分析、概念化。
- Matheus Máximo-Canadas:数据收集与整理。
- Julio Cesar Duarte:撰写、审稿与编辑、监督、方法论设计、数据分析、概念化。
- Rosa Nathália M. P.:数据收集与整理。
- Rubens C. Souza:撰写初稿、数据可视化、验证、软件开发、方法论设计、数据分析、概念化。
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