《The Journal of Physical Chemistry B》：Interpretable Latent-Factor Machine Learning for Vapor Solubility in Amorphous Polymers
编辑推荐：
摘要翻译：研究人员应用机器学习方法，通过低秩矩阵因子分解模型预测蒸汽在聚合物中的亨利溶解度（Henry solubility）。对不同模型秩的预测能力进行系统评估后表明，对于本研究数据集，秩为2的模型具有最佳预测能力，且不存在不稳定性或过拟合风险。秩为2的模型
摘要翻译：研究人员应用机器学习方法，通过低秩矩阵因子分解模型预测蒸汽在聚合物中的亨利溶解度（Henry solubility）。对不同模型秩的预测能力进行系统评估后表明，对于本研究数据集，秩为2的模型具有最佳预测能力，且不存在不稳定性或过拟合风险。秩为2的模型在95%的情况下，对9种聚合物、6个温度条件下43种蒸汽的亨利溶解度预测误差在1.5倍乘性因子以内。本研究所涉及的蒸汽和聚合物涵盖多种化学特征，包括烷烃、烯烃、含氧有机分子和卤代烃。将潜在因子与各蒸汽的极化率、氢键及体积特性进行比较后发现，模型学习到的两个潜在特征分别为蒸汽/聚合物的非特异性色散特征和特异性极性/氢键特征。该模型通过仅需4种化学性质不同的蒸汽校准特征向量，即可确定额外聚合物的溶剂化特性。新校准聚合物的特征向量随后可用于预测该聚合物中其余未测试蒸汽的溶解度，从而显著减少完成溶解度矩阵所需的实验数量，并为估算难以测量的蒸汽-聚合物相互作用溶解度提供了途径。最后，研究人员评估了带自由体积校正的UNIFAC 2.0模型在预测蒸汽于聚合物中亨利溶解度的表现，并将其性能与本研究推导的低秩模型进行了比较。
论文解读
**一、研究背景**
混合物热力学预测一直是物理化学与材料科学领域的核心挑战，尤其是在实验数据稀疏的体系中尤为突出。蒸汽在聚合物中的吸附行为是决定阻隔性能、膜分离效率以及长期老化行为的关键因素，具有重要的实际意义。然而，经典的液体混合物活度模型和现代数据驱动方法均面临化学空间覆盖不足与相互作用数据缺失的共同障碍。尽管现有的商业数据库如多特蒙德数据库(Dortmund Data Bank)收录了约492种蒸汽和576种聚合物，但其中聚合物-蒸汽配对覆盖率仅为约1.5%，远不能满足系统研究的需求。此外，实验测量蒸汽吸附数据劳动强度大、耗时昂贵，而聚合物的名称并不能唯一确定材料属性——相同重复单元化学结构的聚合物可能因分子量分布、结晶度、添加剂、加工历史、热历史和老化状态的不同而表现出不同的蒸汽吸附行为。因此，亟需开发一种能够利用少量实验测量来完成相关局部亨利溶解度矩阵的有效方法。
矩阵补全方法(Matrix Completion Methods, MCM)为从不完整热力学数据集中学习提供了理论框架，已成功用于填补UNIFAC基团相互作用矩阵中的缺失参数（即"UNIFAC 2.0"），并用于预测无限稀释亨利溶解度。基于此，研究人员推测矩阵补全方法同样适用于聚合物-蒸汽体系的热力学预测。
**二、研究方法与关键技术**
本研究采用多种关键技术开展分析。其一，利用交替最小二乘(Alternating Least Squares, ALS)算法对矩阵因子分解模型中的未知参数进行优化求解；其二，采用成对自助采样法(Pairwise Bootstrap Simulations)对模型秩进行系统评估，通过10?次重复采样比较不同秩下的预测均方根误差(RMSE)；其三，采用正则化D-最优选择策略(Regularized D-optimal Selection)选取用于校准冷启动蒸汽和聚合物特征向量的最优化合物组合；其四，使用Abraham溶剂化描述符对学习到的潜在因子进行化学解释，分析其与摩尔折射率、麦高恩特征体积、偶极性/极化率、氢键酸度和氢键碱度等参数的相关性。此外，研究人员还使用奇异值分解(SVD)对特征矩阵进行正交基分解以解释潜在几何结构。实验数据来源于Tian和Munk发表的逆气相色谱比保留体积(Vr)数据，涉及43种蒸汽在9种聚合物中于60至110°C范围内6个温度条件下的吸附测量。
**三、研究结果**
**模型秩的确定：** 通过成对自助模拟比较不同秩模型的预测能力，研究发现从零特征增加到一特征在100%的自助样本中改善了预测RMSE，从一特征增加到两特征在99%的自助样本中改善预测性能，而继续增加至三和四特征仅在67%和59%的样本中有所改善，五特征则在超50%样本中降低了预测RMSE。这一结果表明蒸汽溶解度数据中至少存在两个潜在特征，但超过两个特征对预测能力的提升甚微，因此选定K=2即"秩为2的模型"作为最终模型。
**熵-焓补偿的数据驱动验证：** 研究人员通过拟合广义模型比较熵和焓的潜在特征空间，主角度分析显示温度相关与温度无关空间的夹角分别为θu=[7°, 33°]和θv=[4°, 34°]，表明熵和焓共享大部分潜在特征空间。虽然广义模型在67%的情况下具有更低的预测RMSE（中位RMSE从0.206降至0.200），但差异较小，共享潜在空间假设得到数据支持。
**秩为2模型的不确定性量化：** 对冷启动聚合物、冷启动蒸汽及双冷启动三种场景的预测残差概率密度函数分析表明，模型在约95%的预测覆盖率内预测误差在2倍因子以内。残差呈拉普拉斯分布（重尾），而训练数据残差更接近高斯分布。进一步研究发现，仅需4个校准点即可实现约1.5倍的95%乘性预测区间，且增加更多校准点的改善幅度有限。对于数据集中化学空间内的新聚合物，测量4种蒸汽吸附相互作用即可在95%预测覆盖率下预测其余39种蒸汽-聚合物对的溶解度。
**与UNIFAC模型的对比：** 将校准后的秩为2模型与带自由体积校正的UNIFAC+FV和UNIFAC 2.0+FV模型比较，UNIFAC+FV的95%乘性预测因子为3.70，UNIFAC 2.0+FV降至2.99，而秩为2模型的95%乘性预测因子仅为1.48，显著优于两种基团贡献方法，表明少量标定测量即可大幅提升预测精度。
**潜在因子的化学解释：** 秩为2模型的SVD双标图显示，因子1符号均匀且跨度约为1，不编码样本间选择性反转，而是贡献所有蒸汽-聚合物对所共享的广义非特异性吸附项，约贡献102倍的预测溶解度变化。因子2在不同蒸汽和聚合物间改变符号，编码特异性化学相互作用——正因子2值的蒸汽（如醇类）与同样为正因子2值的聚合物（如聚丙烯酸2-羟乙酯）有有利相互作用，而与负因子2值的聚合物（如聚二甲基硅氧烷）的相互作用不利。Abraham描述符分析表明，因子2近似正比于S~+A~+B~，即偶极性/极化率与氢键给体和受体特征之和；因子1主要与麦高恩体积与分子量之比V/M相关，次要贡献来自氢键酸度和碱度描述符。角分析进一步显示，增加CH2基团使蒸汽特征向量与癸烷的夹角减小（行为更像癸烷），增加氧原子则增大夹角，增加氯取代度通常减小夹角，不饱和度增加则单调增大夹角。
**四、结论与意义**
本研究证明机器学习是构建蒸汽在非晶聚合物中溶解度的低秩矩阵模型的有力工具。秩为2模型在95%预测覆盖率下对冷启动蒸汽和聚合物的吸附预测误差约为1.5倍乘性因子。该模型能够以少量化学性质不同的校准测量完成大量缺失溶解度的预测，显著减少实验工作量，并为难以测量的蒸汽-聚合物相互作用提供估算途径。对新的蒸汽和聚合物，建议测量2×K至4×K个探针化学空间不同区域的组合，并通过留一法检验预测能力。矩阵因子分解模型的潜在特征向量能有效聚类相似分子，并较好地跟踪色散相互作用和极性/氢键相互作用，表明模型学习的潜在特征确实代表了蒸汽和聚合物的真实化学特性。未来工作将探索低秩模型对更广泛蒸汽和聚合物体系——包括半结晶聚合物、共聚物、玻璃态聚合物和填充聚合物——的吸附热力学描述能力。该研究发表于《The Journal of Physical Chemistry B》。
