用于液态有机储氢载体快速筛选的可解释反应感知图学习

《Computational and Theoretical Chemistry》：Interpretable reaction-aware graph learning for rapid screening of liquid organic hydrogen carriers

　　

• 感知反应的双图GNN从QM9-G4MP2数据集中预测LOHC脱氢焓。
• D-MPNN+XGB在10,345个反应对中实现了3.70 kJ/mol的测试MAE和R2 = 0.94。
• Hybrid-RADGN在40–70 kJ/mol设计窗口内给出最低误差（4.20 kJ/mol）。
• 感知LOHC的加权Huber损失函数针对实际释氢操作范围进行优化。
• SHAP分析显示ΔLogP和学习到的嵌入表示主导焓预测。

**引言**

氢被认为是脱碳难减排部门的有前景的能源载体，因为它具有高重力能量密度且在使用点不产生碳排放。然而，大规模氢部署强烈依赖于安全、高效且与基础设施兼容的储运技术的发展。传统的储运方法如压缩和液化面临高能耗、基础设施复杂性和安全隐患等问题[1]、[2]、[3]。在替代储运方案中，液态有机氢载体（LOHCs）因其能够在常温常压下将氢以共价键形式储存在热稳定的液体分子中而备受关注[4]、[5]。这使得可以利用现有的液体燃料基础设施进行氢的运输和处理，而无需高压储罐或低温系统。

在典型的LOHC循环中，富氢饱和载体（Gs）经催化脱氢形成贫氢不饱和分子（Gu），释放氢气。该过程的热力学可行性主要由脱氢焓（ΔH）决定，后者决定了所需热负荷、平衡转化率和操作温度[6]、[7]、[8]。以往研究表明，ΔH在40至70 kJ/mol之间的分子[9]在释氢效率和操作可行性之间提供了最实用的平衡，可利用工业余热在中温下进行脱氢[10]。因此，在该相对狭窄的热力学窗口内识别候选分子仍然是LOHC发现的核心挑战。

ΔH的准确预测传统上依赖于G4MP2[11]、[12]等高级量子化学方法。尽管这些方法能提供接近化学精度的结果，但计算代价高昂，不适合大规模分子筛选。仅依靠量子化学对庞大的有机化学空间进行穷尽探索是不切实际的。大型量子化学数据集的出现为开发机器学习（ML）代理模型创造了机遇，这些模型能以可忽略的推理成本近似量子计算[13]。特别是，QM9-G4MP2数据集提供了10,345个经验证的LOHC反应对的G4MP2计算脱氢焓，使得数据驱动的反应热力学预测成为可能[11]。在实际LOHC操作窗口内实现约±5 kJ/mol精度的ML模型，可以快速对数百万候选分子进行预筛选，仅将昂贵的量子化学计算保留给有前景的体系[11]。

分子机器学习的最新进展已从手工设计的描述子回归转向图神经网络（GNNs），后者直接从图结构化学数据中学习分子表示[14]、[15]、[16]。在这些架构中，有向消息传递神经网络（D-MPNNs）在多种分子性质预测任务中表现出强大的性能，因为它们能有效捕获局部化学环境和键级相互作用[16]、[17]、[18]。Kevin Yang提出的D-MPNN框架并在Chemprop中实现，已成为分子性质预测的领先方法之一[13]、[19]、[20]。然而，大多数现有GNN模型是为单分子学习设计的，而LOHC脱氢焓本质上是在两个分子状态之间定义的反应级性质。能量差取决于Gs和Gu之间微妙的结构转变，使得该问题比传统分子性质预测更为复杂。

已有若干方法被提出用于反应级学习。反应凝聚图（CGR）方法将反应物和产物结构组合成单一图表示以学习反应特征[15]、[21]。Heid和Green[15]表明，基于CGR的D-MPNN模型在预测活化能和反应性质方面达到了最先进性能。然而，CGR表示可能会掩盖反应物和产物的各自结构特征。作为替代，双图方法保留独立的分子表示，但需要显式建模配对分子状态之间的相互作用[22]、[23]。此外，Deng等人[17]证明将图神经网络嵌入与XGBoost回归结合可在多个分子基准测试中提高预测性能。这些互补的进展表明，将感知反应的图表示与混合集成学习相结合可能对LOHC焓预测带来显著收益[24]。

尽管近年来取得了进展，针对LOHC的ΔH预测研究仍然匮乏。现有的感知反应模型要么需要原子映射的SMILES表示，要么未能显式建模Gs和Gu之间作为独立编码配对图的结构性关系。此外，传统训练目标在整个焓范围上均匀惩罚预测误差，未能对实际关键的40–70 kJ/mol窗口进行针对性优化。最后，针对LOHC焓预测的现代GNN和混合架构的系统基准测试仍未受到充分关注。

为克服这些局限，本研究提出了两个互补的LOHC脱氢焓预测框架。第一个框架为Hybrid-RADGN（感知反应的双图注意力网络），使用共享权重的边感知图注意力编码器联合建模富氢（Gu）和贫氢（Gs）分子状态。其图表示通过感知反应的融合机制组合，并辅以16个物理化学反应差δ描述子进行增强。模型训练由感知LOHC的加权Huber损失引导，以提高目标操作窗口内的预测精度。第二个框架为D-MPNN+XGB，使用Chemprop D-MPNN架构独立编码两种分子状态。所得嵌入表示与δ描述子拼接后，通过XGBoost元学习者进行最终预测。两个框架均在QM9-G4MP2数据集上与十二个机器学习和图神经网络基线进行对比。性能评估采用支架感知验证、分窗口误差分析、统计显著性检验、系统消融研究和基于SHAP的可解释性分析。

**分节摘要**

**背景** LOHC热化学已广泛应用于氢载体选择和工艺设计[25]、[26]、[27]。高级量子化学方法可提供准确的热力学预测，但在大规模筛选中仍计算代价高昂。Grambow等人[16]整理了热化学数据集以促进ML代理模型的开发展开，而Yalamanchi等人[28]展示了基于描述子的ML对标准生成焓等热力学性质的预测方法。

**方法论** 所提框架的完整工作流程如图1所示。该流水线由五个顺序阶段组成：(i) 从LOHC反应分子构建配对图；(ii) 通过GNN骨干进行共享权重双图编码；(iii) 反应级表示学习；(iv) 使用物理化学δ描述子进行特征增强；(v) 通过带有感知LOHC目标函数的XGBoost元学习者进行最终预测。两个所提框架遵循相同的数据可视化。

**数据可视化** 图6展示了目标变量ΔH的分布。图6(a)为ΔH值的直方图，数据分布范围较广。大多数样本集中在中间范围，而较少观测值出现在低端和高端。这种不均匀分布表明数据集存在不平衡，存在占主导的区域和稀疏分布的极端值。如不妥善处理，此类不平衡可能导致学习偏差。图6(b)显示了核密度估计。

**局限性与未来工作** 本研究存在若干局限。首先，实验最初仅使用单一随机种子（42）进行，微小的种子间变异可能影响竞争接近的模型。鉴于训练和超参数搜索十四个模型的计算代价，这被采纳为实用的首次提交方案；然而，随后针对表现最优的模型在120轮减少的训练方案下使用种子2、7、42、99和123进行了事后多种子重复实验。

**结论** 本研究提出了Hybrid-RADGN和D-MPNN+XGB两个新颖的感知反应混合GNN框架，用于在QM9-G4MP2数据集上预测LOHC脱氢焓。D-MPNN+XGB取得了最佳整体性能（MAE = 3.700 kJ/mol），而Hybrid-RADGN在关键LOHC操作窗口40–70 kJ/mol内取得了4.203 kJ/mol的最低MAE。本研究得出四个主要结论。首先，双分子反应编码相对于单分子CRediT作者贡献声明。

**CRediT作者贡献声明** Mehedi Hassan Maruf：原创稿件撰写、验证、软件、方法论、形式化分析、概念化。Wahid Billah：原创稿件撰写、验证、软件、方法论、形式化分析、概念化。M.A. Shadab Siddiqui：原创稿件撰写、验证、软件、方法论、形式化分析、概念化。Mostafizur Rahman：原创稿件撰写、形式化分析、数据整理。M. Nasiruzzaman Shaikh：稿件审阅与编辑、监督、资源提供、经费来源。

本研究由法赫德国王石油和矿产大学（KFUPM）支持。

**利益冲突声明** 作者声明没有已知的可能影响本文所报告工作的竞争财务利益或个人关系。

**致谢** 作者衷心感谢法赫德国王石油和矿产大学（KFUPM）研究事务办公室通过项目No.: INHT2521对本工作提供的支持。

Mehedi Hassan Maruf | Wahid Billah | M.A. Shadab Siddiqui | Mostafizur Rahman | M. Nasiruzzaman Shaikh