综述：喷气燃料组分混合物的混合定量结构-性质关系方法

《Molecular Informatics》：Mixture-Quantitative Structure–Property Relationship Approaches for Jet Fuel-Component Blends: A Review

　　

喷气燃料和可持续航空燃料是复杂的碳氢化合物混合物，其性质必须满足严格的国际规范以确保稳定的质量。在环境和工艺约束的驱动下，其变异性日益增加，引发了关于燃料组成、安全性和性能之间关系的诸多问题。在此背景下，预测模型能够帮助支持燃料配方设计，同时减少实验工作量。定量结构-性质关系方法已被应用于碳氢化合物等燃料组分以预测各种性质，显示出良好的应用前景，但往往在准确性和适用性上存在局限。部分研究还探讨了针对包含燃料成分的碳氢化合物体系的混合定量结构-性质关系方法；然而，极少有研究直接针对真实的燃料混合物。这是因为混合物相互作用、数据稀缺、表示困难以及验证问题使得M-QSPR仍面临巨大挑战。本综述评估了过去关于燃料、燃料组分混合物的M-QSPR研究以及通用的M-QSPR方法，旨在明确当前的进展、局限性与空白，并为开发适用于JFs的M-QSPR模型概述策略。

1 Introduction
应对全球变暖是一项紧迫的挑战，交通运输部门的温室气体排放占全球总量的15.8%，而航空业约占交通运输相关排放的11%，对应约2%–2.5%的全球CO₂排放。在现有技术中，可持续航空燃料作为即插即用液体燃料，是近期和中期的现实选择。SAFs是传统喷气燃料和来自可再生资源的合成混合组分（SBCs）的混合物。为确保质量与安全，这些燃料须符合ASTM国际规范。为应对燃料组成可变性带来的挑战，基于机器学习（ML）的定量结构-性质关系建模成为预测燃料理化性质的重要工具。QSPR旨在建立分子结构与性质之间的统计关系，并通过分子描述符进行数值编码。然而，由于真实燃料是多组分体系，其性质不仅取决于单个分子的特性，还取决于复杂的非线性相互作用，因此常规QSPR被扩展为混合定量结构-性质关系。M-QSPR面临数据稀缺、需要混合物级描述符以及特定验证策略等挑战。此外，微量组分对燃料关键性质具有非线性影响，但在目前的QSPR方法中尚未得到明确解决。

2 Brief Methodological Background on QSPR Modeling
QSPR旨在建立分子化学结构与特定端点之间的统计关系，其建模过程遵循标准化工作流程，包括数据收集与整理、分子描述符的计算与选择、应用域（AD）定义、模型训练以及内部与外部验证。

2.1 Data Collection and Curation
在QSPR建模中，所需的最基本数据包括目标端点值和对应的化学结构。化学结构通常被编码为SMILES字符串、MOL文件或SDF文件。由于不同来源的数据可能存在不一致性，研究人员必须评估数据质量，执行去除异常值、处理缺失值和验证结构准确性等整理步骤，并进行结构标准化以确保数据集的均匀性。

2.2 Molecular Descriptors
分子描述符是分子结构和性质的定量表示，用于编码结构、电子和理化信息。常用的分类将其从0D到4D进行排序。0D描述符仅依赖分子式，如原子计数和分子量；1D描述符基于片段或序列，如MACCS或SMARTS指纹；2D描述符源于分子的连通性图，如ECFP或拓扑极性表面积（TPSA）；3D描述符需要优化的分子构象，如比较分子场分析场或原子中心对称函数（ACSF）；4D描述符则扩展到构象系综。变量选择是确保使用最相关特征的关键步骤，但需避免Freedman悖论。近年来，基于人工智能（AI）的分子表示方法，如图神经网络（GNN），也被用作学习到的分子嵌入。

2.3 Chemical Space and AD
化学空间是所有可设想分子的理论宇宙。通过主成分分析（PCA）等降维技术可在低维图上展示数据集趋势与聚类。应用域定义了模型预测可被认为是可靠的化学空间部分。如果新分子超出AD，预测将成为外推，其误差不可控。AD可通过基于描述符或端点值的方法确定，如边界框法、k近邻法和凸包法等几何方法。

2.4 Performance Metrics and Training of ML Algorithms
由于燃料性质多为连续变量，QSPR研究常涉及回归任务。常用损失函数为误差平方和（SSE），其他性能指标包括决定系数（R²）、交叉验证决定系数（Q²）、平均绝对误差（MAE）、均方误差（MSE）、均方根误差（RMSE）和平均符号差（MSD）。多种机器学习算法可用于QSPR建模，例如多元线性回归（MLR）；支持向量机（SVM）在回归任务中使用ε不敏感损失函数，对异常值具有鲁棒性；决策树和集成方法如随机森林（RF）和XGBoost；高斯过程回归（GPR），它能在非参数贝叶斯框架下估计预测不确定性，但随着训练样本数量N的增加，其计算成本以N³的量级增加；以及人工神经网络（ANN），它能够学习任意非线性映射但需要大量数据且存在过拟合风险。

2.5 Model Validation
验证步骤评估模型对训练数据的解释能力和对未知数据的泛化能力，包括内部验证和外部验证。内部验证如k折交叉验证（CV）和留一法（LOO）交叉验证，用于监控模型拟合并优化建模选择。外部验证使用在模型训练或选择中未起作用的独立数据集，模拟真实预测场景。当需要超参数优化时，还可采用嵌套交叉验证以减少乐观偏差。

2.6 QSPR Study for JF Components—A Typical Case Study
以一项关于SAFs和JFs纯碳氢化合物氧化稳定性的研究为例，研究人员基于RapidOxy法的实验测量数据，采用1D/2D官能团计数描述符（FGCD），并结合径向基函数支持向量机（SVM-RBF）和XGBoost算法进行建模。模型采用嵌套交叉验证，数据显示XGBoost在对数转换数据上表现最佳。然而，模型平均相对误差仍高于实验重复性，这表明模型目前适用于半定量可靠性评估和初步筛选，也提示杂质对氧化稳定性的潜在显著影响。

3 M-QSPR for Hydrocarbons and Fuel-Relevant Systems
由于燃料是多组分体系，QSPR必须扩展为M-QSPR，引入混合物级描述符以表示加和非加行为，并采用专门的验证方案。

3.1 Mixture Data in M-QSPR
大多数M-QSPR研究基于二元或三元混合物。混合物可通过列出各组分的结构及其比例来描述。表示方法包括使用点断开SMILES、包含多个结构的多分子结构文件、Mixfile格式以及国际纯粹与应用化学联合会（IUPAC）推荐的混合物InChI（MInChI）。

3.2 Mixture Descriptors in M-QSPR
积分加和描述符由于简单且计算成本低而广泛使用，通常通过各组分的描述符（D_i）按比例（x_i）加权结合，但它们未显式捕捉所有分子间相互作用。文献中提出了多种加和混合物描述符公式。积分非加和描述符则将混合物视为一个整体，设计用于考虑特定的分子间相互作用。例如，有研究定义了对氢键和偶极敏感的相互作用描述符，或通过量子化学计算得出混合物二聚体的总能量差来指示非加和相互作用能。此外，基于片段的非加和描述符，如分子结构的单纯形表示，通过允许片段跨越不同分子来捕捉立体化学相互作用。学习到的分子表示如图神经网络（GNN）也为混合物编码提供了互补途径。

3.3 Validation Approaches in M-QSPR
混合物在验证过程中存在信息泄漏的特定挑战，由此提出了四种验证方法：Points-out验证仅留出特定比例的数据点进行测试，评估模型在已知体系内的插值能力；Mixtures-out验证留出整个混合物的所有数据点，评估对已知化学品新组合的泛化能力；Compounds-out验证要求每个测试混合物包含至少一种未见过的成分，评估对新化学实体的预测能力；Everything-out验证最为严格，测试集仅由完全未包含在训练集中的新化合物组成的混合物构成，是评估模型对完全未知化学体系泛化能力的强大压力测试。

3.4 Existing M-QSPR Studies Applied to Organic-Component and Fuel-Component Mixtures
3.4.1 M-QSPR Applied to Organic-Component Mixtures
早期研究通过加和描述符和非加和描述符对二元液体混合物的密度偏差、无限稀释活度系数和过量摩尔体积进行建模，发现非加和描述符在受分子间相互作用主导的性质中表现更好。其他研究利用片段加和非加和描述符预测泡点温度，指出Compounds-out验证下的性能显著下降，突出了严格外部验证和AD定义的重要性。在闪点（FP）预测中，研究发现基于密度泛函理论（DFT）的描述符结合加和规则具有一定的预测趋势，但在代表性不足的化学家族中性能下降。针对过热极限温度（SLT）和可燃性极限的预测研究也表明，性能更多取决于描述符、验证策略和化学空间覆盖范围，而非学习算法的选择。

3.4.2 M-QSPR Applied to Fuel-Component Mixtures
在燃料组分混合物方面，有研究结合纯化合物QSPR与热力学混合规则预测替代燃料的闪点，发现这种混合方法优于直接M-QSPR方法。另有研究利用电拓扑状态指数和偏最小二乘（PLS）回归预测汽油替代混合物的研究法辛烷值（RON）和马达法辛烷值（MON），在狭窄的化学空间内表现出色。还有研究使用量子化学描述符和SVM-RBF预测燃料相关二元混合物的SLT，展现出强大的外部预测能力。近期，研究人员将纯化合物QSPR与混合规则结合预测十六烷值（CN），并将其扩展为由全二维气相色谱（GC×GC）分析得出的多组分替代物，证明了耦合纯化合物QSPR与适当混合规则的有效性。

3.4.3 Other Alternative Modeling Approaches
除了基于显式混合物描述符的方法外，替代策略包括直接基于混合物组成训练机器学习模型的组成-性质关系方法，以及利用GC×GC分析数据的概率Mean-QSPR框架。结构感知的深度学习方法，如基于消息传递神经网络（MPNN）的MolPool架构，通过聚合分子级图表示来生成混合物嵌入，在Compounds-out验证下对多种燃料相关性质表现出色。符号回归方法也被提出，用于结合纯化合物QSPR预测与自动方程发现，以识别具有物理意义的混合规则。

4 Summary and Outlook
综合来看，M-QSPR模型的性能主要由数据代表性、混合物编码选择和验证策略驱动，而非机器学习算法的复杂性。Points-out验证通常会高估预测能力，而Mixtures-out和Compounds-out评估则暴露了模型对化学空间覆盖的强烈依赖。对于燃料组分体系，基于预定义混合物描述符的直接M-QSPR适用于加和效应主导的性质，而混合策略在处理非理想相互作用时更为成功。然而，向新组分的真正外推仍然困难，这受到稀疏数据集和缺乏标准化验证的制约。
当前的一个核心限制是缺乏开放、精选和标准化的数据集，特别是对于微量组分。微量物质在低浓度下可能对燃料性质产生非线性影响，但通常未被显式建模。未来的研究应优先开发基准数据集，并探索能够放大低比例但高影响贡献者的建模策略。混合建模策略，特别是将符号回归与纯化合物QSPR结合，是一个极具前景的方向，能够产生透明且可解释的混合规则。结构感知深度学习的进步也补充了传统方法，但其实际部署仍需依赖严格的外部验证。最后，验证后的M-QSPR模型可作为过滤和优先级排序工具，与优化算法结合以支持下游燃料设计工作流。为应对混合物复杂性和微量组分效应，研究人员建议采取务实的渐进策略：从纯化合物开始构建专用数据库，逐步过渡到低组分混合物，最后扩展到复杂的多组分体系，从而在受控条件下分离和学习混合物效应。