基于Nadaraya–Watson机器学习方法的金属有机框架(MOF)热稳定性的预测性非参数统计建模

《Franklin Open》:Predictive Nonparametric Statistical Modeling of MOF Thermal Stability Using the Nadaraya–Watson Machine Learning Approach

【字体: 大 中 小 】 时间:2026年06月15日 来源:Franklin Open CS1.4

编辑推荐:

  摘要:本研究探讨将Nadaraya–Watson核回归(Nadaraya–Watson Kernel Regression,一种机器学习(ML)框架内的非参数统计估计量)应用于基于结构描述符(structural descriptors)建模金属有机框架(Me

  
摘要:本研究探讨将Nadaraya–Watson核回归(Nadaraya–Watson Kernel Regression,一种机器学习(ML)框架内的非参数统计估计量)应用于基于结构描述符(structural descriptors)建模金属有机框架(Metal–Organic Frameworks, MOF)的热稳定性(thermal stability, TS)。该方法解决了定量结构–性质关系(Quantitative Structure–Property Relationship, QSPR)研究中常遇到的非线性及复杂关系问题——此类问题中常规参数模型可能存在不足。模型性能通过10折交叉验证(10?fold cross?validation)及独立测试集,采用决定系数(R2)、均方根误差(Root Mean Square Error, RMSE)和平均绝对误差(Mean Absolute Error, MAE)进行评价。最佳测试性能在带宽(bandwidth, h)为0.1时取得,R2=0.99997,RMSE=0.00039,MAE=0.000099。可视化分析表明较小带宽使模型能有效捕捉局部变化,而较大带宽引起过度平滑(over?smoothing)并丢失关键结构信息。进一步采用偏依赖图(Partial Dependence Plots, PDP)进行特征分析显示:氮原子数(nN)和杂原子含量(Het)对热稳定性呈正向影响,配体数(Lig)呈负向影响,锌原子数(nZn)呈非线性关系且在中等水平处影响达到峰值。上述发现强调了核带宽调优及特征可解释性在提升材料信息学(materials informatics)中非参数模型预测能力方面的重要性。
论文解读——《Franklin Open》刊载论文:基于Nadaraya–Watson非参数核回归预测Zn?MOF热稳定性的QSPR研究(Harun Al Azies et al.)
一、研究背景与意义
金属有机框架(Metal–Organic Frameworks, MOF)因高比表面积和可调控孔隙结构在气体存储、催化及碳捕集领域备受关注,但其工业应用受限于高温环境下的热稳定性(thermal stability, TS)。传统热重分析(Thermogravimetric Analysis, TGA)等实验手段耗时费力,定量结构–性质关系(Quantitative Structure–Property Relationship, QSPR)结合机器学习(ML)可提供高效替代方案。然而现有研究多依赖参数回归模型,要求残差正态性、同方差等假设,而MOF数据集常呈非正态、异方差及存在离群值,导致参数模型偏差或失效。此外MOF结构与TS间多为非线性复杂关系,线性模型难以充分捕捉。为此,研究人员引入完全非参数的Nadaraya–Watson核回归(Nadaraya–Watson Kernel Regression),无需预设函数形式,适合小样本且统计特性不规则的MOF数据集,旨在验证其在MOF TS预测中的准确性、鲁棒性及可解释性,并与经典参数模型及常用ML模型对比。
二、主要关键技术方法
研究人员使用Moharramnejad等人公开的151个Zn?MOF化合物数据集,以锌原子数(nZn)、杂原子相互作用描述符(Het)、配体片段描述符(Lig)及氮原子总数(nN)为输入特征,TS为输出。先进行探索性数据分析(Exploratory Data Analysis, EDA)与Pearson相关分析;对多元线性回归(Ordinary Least Squares, OLS)残差做Jarque?Bera正态性检验、Breusch?Pagan异方差检验及Durbin?Watson自相关检验以判断是否适用参数模型。因正态性假设被违反(p<0.01),改用Nadaraya–Watson核回归,按8∶2划分训练/测试集,采用高斯核,以不同带宽(h=0.1、0.5、1.0)训练,经10折交叉验证选取最优带宽,评价指标含R2、RMSE、MAE、平均绝对百分比误差(Mean Absolute Percentage Error, MAPE);同时计算残差标准差、最大绝对残差及影响分数做鲁棒性诊断,记录运行时间做计算效率分析;采用偏依赖图(Partial Dependence Plots, PDP)分析各描述符边际效应;最后与随机森林(Random Forest)、支持向量回归(Support Vector Regression, SVR)-RBF核、梯度提升(Gradient Boosting)、多层感知机(Multilayer Perceptron, MLP)神经网络及Moharramnejad等人的多元线性回归结果对比。
三、研究结果
3.1. Exploratory Data Analysis of Structural Descriptors for MOF Thermal Stability
小提琴图显示nN近似对称微右偏,nZn明显右偏,Het分布宽且近双峰,Lig近正态但具厚尾,TS本身较均衡但存两端离群值。Pearson相关热图表明nN与Het高度负相关(r≈-0.98),提示信息冗余;nZn与各描述符弱相关(|r|≤0.19),提供正交结构信息;TS与单特征线性相关极弱(|r|≤0.09),证实TS由多特征非线性组合决定,支持采用非线性ML方法。
3.2. Residual Diagnostics and Model Assumptions
OLS残差Breusch?Pagan检验p=0.163满足同方差;Durbin?Watson统计量=1.715接近2满足独立性;Jarque?Bera检验统计量=11.241、p=0.0036拒绝正态性假设。Q?Q图及残差–拟合值图佐证残差非正态但同方差且无自相关,故参数线性回归推断受限,宜用非参数方法。
3.3. Model Development with Nadaraya?Watson Kernel Regression
10折交叉验证:h=0.1时训练集R2=0.98512、RMSE=0.01140、MAE=0.00597;h=0.5时R2=0.69454;h=1.0时R2=0.42478,大带宽致性能下降。独立测试集h=0.1时R2=0.99997、RMSE=0.00039、MAE=0.00010,优于大带宽。鲁棒性分析:残差标准差=6.24×10?4,最大绝对残差=4.15×10?3,前5个影响分数均<0.005,无异常点具过大杠杆。运行时间随样本数近线性增长(O(n)),全量151个样本预测<0.1 s。Actual vs. Predicted图显示h=0.1几乎完美跟踪实测值,h增大则过平滑失细节。对比基准:NW(h=0.1)测试集RMSE=0.00039、MAPE=0.00395%;Random Forest RMSE=0.06730;SVR RMSE=0.07894;Gradient Boosting RMSE=0.07480;MLP RMSE=3.03535;Moharramnejad et al.线性回归RMSE=0.00100、MAPE=0.041%。NW模型误差低2~3个数量级,显著优于各对比模型。
3.4. Influence of Input Features on Thermal Stability Predictions
偏依赖图(PDP)结果显示:nZn与TS呈非单调关系,约nZn=15~17时TS达峰值后下降,存饱和阈值;Het与TS呈正线性关系,杂原子多样性增强热稳定性;Lig与TS呈负线性关系,过多配体引空间位阻或降低骨架密实度削弱热稳定性;nN与TS呈强正线性关系,氮原子参与配位氢键或共轭强化耐热性。
四、讨论与结论翻译(摘自原文Conclusion)
本研究证明了Nadaraya–Watson核回归作为一种非参数统计学习框架,可基于简单结构描述符成功预测MOF热稳定性。该方法克服了参数QSPR模型的局限,能灵活捕捉复杂非线性结构–性质关系而无须强加限制性函数假设。通过拟合优度指标、交叉验证及独立测试集的统计评估确认了模型的可靠性,其中带宽(bandwidth)调优是影响预测性能的关键因素——窄带宽通过保留局部结构变化提高精度,而过宽带宽引发过度平滑并导致欠拟合。特征影响分析进一步揭示nN和Het对热稳定性呈强烈正向贡献,Lig因空间位阻效应呈负向影响,nZn呈非线性模式并在中等水平后影响递减。
除预测能力外,所提模型对噪声和离群值表现出强鲁棒性(残差及影响诊断所示)。估计量保持均匀小残差且不依赖于极端观测值,从而增强了其在统计异质MOF数据集上的稳定性。经验运行时分析表明该方法随数据规模线性扩展,对中、小型QSPR数据集计算轻量。这些特性使该非参数方法区别于许多依赖预定义函数形式或强统计假设的现有ML及QSPR模型。本工作首次对MOF热稳定性建模中的非参数核回归做了全面评估,兼顾准确性、可解释性、鲁棒性与计算效率。研究结果凸显了Nadaraya–Watson框架的方法学意义与实际可行性,并暗示其可整合入数据驱动MOF设计及高通量筛选流程中。本研究局限在于数据集仅含Zn?MOF且样本量有限,未来应在更多样MOF家族上评估模型跨金属中心的泛化能力。
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