光谱电化学数据的线性和非线性学习：实验稀缺下偏最小二乘（PLS）与卷积神经网络（CNN）行为探究

《Molecules》：Linear and Nonlinear Learning from Spectroelectrochemical Data: Interrogation of PLS and CNN Behavior Under Experimental Scarcity

　　

光谱电化学（SEC）通过将分子光谱指纹与电化学活性耦合，提供独特的高信息量数据集。尽管其信息丰富，但在现实实验约束与数据稀缺条件下直接对SEC数据进行机器学习（ML）分析仍未被探索。本研究考察在化学可逆双电子氧化还原体系中，从最少SEC训练数据可学习多少光谱编码的电化学信息，以及模型选择如何与跨扫描速率的有限实验多样性相互作用。使用在四个扫描速率（2、3、5和7 mV/s）收集纯实验SEC数据集，在多种SEC级训练、验证和测试配置下评估PLS与CNN回归器。模型性能针对三个物理复杂度递增的目标评估，包括物种浓度、导数循环伏吸光度谱（DCVA）电流和实验循环伏安（CV）电流。单SEC训练下，两模型均达预期近定量浓度预测（R2约0.99），DCVA性能下降（R2约0.93），CV电流下降最显著（R2约0.78），反映这些目标在吸光度数据中编码渐弱且渐间接。仅用两个不同训练SEC数据集引入最小实验多样性，便使PLS和CNN对未见第三SEC数据集强泛化，最有利配置下CV R2近0.98。CNN通过捕获光谱演化与实验CV响应间局部、受扫描速率调制的非线性关联，突破PLS表观线性性能上限，改善波形重建并对训练SEC选择更鲁棒。结果表明，在本化学可逆且光谱分辨良好的SEC系统中，引入有限但策略性选择的电化学多样性后，无需大数据集即可高保真预测电化学目标。SEC数据线性进一步显示为目标依赖型，仅当扫描速率空间充分采样时才具操作意义。更广泛地，本工作建立受控框架以考察实验稀缺下ML赋能的SEC数据分析，并为低数据光谱电化学实验设计与校准提供指导。

研究背景方面，光谱电化学（SEC）作为成熟分析平台，半个多世纪以来同时获取分子光谱信息与电化学活性，在电化学表征、分离、传感、过程监控及核燃料后处理中需求迫切，但传统单因素实验与双线性模型效率低且难捕耦合效应。机器学习（ML）在化学中虽广泛应用，但既有电化学ML多聚焦纯电信号（如循环伏安CV、阻抗谱），SEC数据更高维复杂（耦合电位、波长、电化学时间尺度，含多氧化还原态光谱重叠及法拉第与非法拉第信号），常规采用演进因子分析（EFA）等多步化学计量学工作流，缺乏直接从SEC学习光谱-电化学统一映射的框架。研究人员此前混合实验光谱与物理模拟证明深度学习可从SEC矩阵学浓度、导数电流与机理参数，但依赖大合成集且目标经处理，未答有限纯实验SEC与同步实测电流下的可学习性与有效线性问题。故本研究转向实验稀缺，以已知可逆、光谱分辨良好的蒽醌（AQ）双电子还原体系（非质子介质，Beer–Lambert近似成立）为对象，仅用4个独立SEC数据集（2、3、5、7 mV/s），评测线性PLS与非线性CNN在单SEC与配对SEC训练下对浓度、DCVA电流、实验CV电流三个递进目标的学习与跨扫描速率迁移能力，建立定量评估SEC有效可学习性与线性的框架。论文发表于《Molecules》。

主要关键技术方法上，研究人员采用蒽醌（AQ）在乙腈/四丁基六氟磷酸铵（TBAPF₆）中、0.5 mm薄层石英池、铂网工作电极的SEC实验，四个扫描速率各一个独立数据集构成完整实验空间；将每SEC结构化表示为耦合三元组（电位E²⁰⁰¹、吸光度Abs^2001×1606、目标Y²⁰⁰¹），X为300–850 nm波长分辨吸光度，Y分别为EFA/Butler–Volmer导出的浓度、DCVA电流或实测CV电流；模型端以scikit-learn实现PLS1（X=TP^T，Y=TQ^T，T潜变量、P/X载荷、Q/Y载荷），以TensorFlow/Keras构建CNN（沿电位轴局部卷积提取光谱-电化学基元，全连接输出标量），同预处理同SEC级划分，CNN经预定义超参扫描选最优（128滤波器、核9、64稠密单元、无dropout/L2），Adam+MSE+早停；评估按单SEC（训→验→测异扫描速率）与配对SEC（两异速率训、余下验/测）配置，报Test_R²与Test_RMSE。

研究结果部分，2.1 SEC数据框与建模架构小节说明，单SEC配置隔离光谱-电化学映射内在结构，配对SEC引入最小靶向多样性；AQ体系正反向扫描吸光度对称、等吸收点明确，CV迟滞极小，四个速率提供受控动力学差异平台。

2.2 单SEC训练下PLS性能小节指出，浓度目标Test_R²≈0.99、RMSE近噪声，因Beer–Lambert与EFA分解使吸光度-浓度子空间信息完整；DCVA电流Test_R²约0.87–0.97，微分放大峰宽/间距/曲率对速率敏感，单轨迹未定如何变形；CV电流Test_R²均约0.77、RMSE 0.10–0.20，因CV积分法拉第与速率相关电容/基线/迟滞，吸光度弱编码。PLS分量数分析中，3→5→2 mV/s下验证RMSE由1分量~0.35降至3分量~0.13后平台于~0.11，X方差续增至>80%而Y（CV）方差前3分量已捕80–90%，证高阶分量拟合非迁移残差；X载荷首分量含AQ^2?约500 nm带与320–330 nm负峰（中性AQ耗减），次分量含AQ^•?约400/540 nm及650–850 nm尾，高阶碎片化；Y载荷次分量主正贡献，余分量负校正。

2.3 单SEC下CNN性能小节表明，浓度与PLS同近定量（R²~0.99）；DCVA Test_R² 0.90–0.98略优，因局部电位邻域卷积稳微分特征；CV Test_R²均~0.80高于PLS~0.77，最优架构验证RMSE~0.10，损失20–30轮收敛， parity较紧，恢复PLS衰减的速率相关曲率与阴阳极不对称，但未直编双层充电，而是学局部速率调制谱-电关联。单SEC结论：浓度信息完备，DCVA近单轨迹极限，CV若无速率变化暴露则欠定。

2.4 配对SEC映射小节中，2.4.1 PLS配对训练下浓度仍~0.99不变；DCVA升至0.90–0.98；CV最显著，大速率间隔配对Test_R²近0.98、RMSE由单SEC~0.063降至~0.051，两训练SEC夹住测试速率时误差片变为宽高原，因第二轨迹使峰形/宽/基线曲率在双锚下呈近似线性。2.4.2 CNN配对训练下浓度不变，DCVA至0.97–0.99，CV Test_R² 0.80–0.93、均~0.85、RMSE~0.12（单SEC~0.15），且对配对选择不敏感——即便训对间隔1–3 mV/s仍>0.85，而PLS掉下；3→5→2加7 mV/s训时PLS掉、CNN升，证CNN局部非线性滤波分布复杂度、少赖全局潜变量。配对结论：主约束非模型容量而是电化学条件采样不全；两轨迹后PLS/CNN近同实践天花板，差在鲁棒性而非精度，CNN泛化更匀。

讨论与结论翻译部分，本工作证明在化学可逆且光谱良态SEC系统中，即便实验现实稀缺，也可直接从SEC吸光度学电化学目标。线性PLS与非线性CNN在物理复杂度递进输出上现一致层级：浓度单SEC近定量（Beer–Lambert与因子分解致），DCVA因微分放大噪与电位变致单SEC中损，CV电流最苛（合法拉第+速率相关电容/背景/迟滞弱光学编码）。单SEC下PLS早饱和，CNN局部非线性微扩天花板；引入两异速SEC后两模型对第三未见SEC强泛化，优配CV R²近0.97–0.98，表观非线性多源于采样不足，多轨迹锚定潜空间后映射近似更线。两模型近同天花板，CNN对训对选择更鲁棒。应用上，直从SEC学可支撑校准/传感/过程监控下光指印间接估电响应、伏安去噪与化学意义电流恢复；建模上证（非）线性目标依赖且唯速率空间足采样才显操作意义，高效策略非采冗余SEC而采少而跨动力学条件者。PLS量化线性可恢复分数，CNN在跨条件CV重建欲准时作鲁棒扩展；模型择取非由数据量独定，而由目标复杂度、条件（速率）依赖度与实验可行度决。