《Journal of Membrane Science》:From FTIR Spectra to Gas Permeability: Machine Learning for Polymer Membrane Screening
编辑推荐:
从傅里叶变换红外光谱(FTIR)到气体渗透性:用于聚合物膜筛选的机器学习
傅里叶变换红外光谱(FTIR)和聚合物家族描述符可预测六种气体的渗透性。CatBoost在模型适用域内实现了R2 > 0.90。三个FTIR谱带分别对应主链极性、CO?亲和力和链堆积。中
从傅里叶变换红外光谱(FTIR)到气体渗透性:用于聚合物膜筛选的机器学习
傅里叶变换红外光谱(FTIR)和聚合物家族描述符可预测六种气体的渗透性。CatBoost在模型适用域内实现了R2 > 0.90。三个FTIR谱带分别对应主链极性、CO?亲和力和链堆积。中位误差因子约为1.2,能够实现对候选膜的快速预筛选。
研究人员证明,将FTIR衍生的光谱描述符与轻量级的聚合物家族元数据相结合,足以预测CO?渗透性,其精度超过了所有测试的分子描述符基线,并且相同的流程无需针对特定气体进行调整即可推广到其他五种工业相关气体。本研究的具体贡献包括:(i) 一个包含来自128种聚合物的843条FTIR光谱记录,并与He、H?、CO?、O?、N?和CH?的实验渗透率配对的数据集;(ii) 对17种输入-算法组合进行了基准测试,确定了基于SMILES和纯FTIR基线的上限;(iii) 一个CatBoost回归流程,结合了主成分分析(PCA)降维的光谱特征、独热编码的聚合物家族、log??转换的目标变量和五折分组交叉验证,以防止近重复光谱泄漏;(iv) 一个基于杠杆值的Williams图适用域诊断方法,移除了37个高影响力光谱,同时在log尺度和原始Barrer尺度上都提升了性能,CO?的折叠平均R2在log空间中从0.882提升至0.939,在原始尺度上从0.797提升至0.903;(v) 一项反向投影的CatBoost特征重要性分析,识别出三个狭窄的光谱簇为主要预测因子,并将其映射到控制主链极性、CO?亲和力和链堆砌的已知振动模式上。这些贡献共同确立了FTIR光谱作为一种实用、低仪器依赖性的途径,可用于聚合物膜在气体分离应用中的快速预筛选。
论文主体内容解读
研究背景、问题与研究意义
聚合物膜在氢气回收、天然气净化、空气分离和燃烧后碳捕集等工业气体分离过程中扮演着关键角色。膜的性能受制于渗透性与选择性之间的权衡关系,这由经验性的Robeson上限所描述。然而,设计新型高性能聚合物的过程缓慢,因为渗透性测量耗时且需要合成薄膜形态的材料。
数据驱动的方法作为一种预筛选候选聚合物的手段日益受到关注。大多数研究通过重复单元的SMILES字符串、分子指纹或理化描述符来表示聚合物。但这些表征方式存在两个实际局限性:它们无法捕捉真实合成薄膜的批次间化学变异性,也忽略了已知会影响传输特性的形态、残留溶剂、添加剂和加工历史等信息。
傅里叶变换红外光谱(FTIR)提供了一种互补的手段。聚合物的中红外光谱既能通过主链和侧基的特征振动峰编码化学功能,也能反映氢键和链堆砌等局部环境信息,且每批生产的薄膜都会常规测量。研究人员先前的工作表明,直接将FTIR光谱用作机器学习模型的输入,在预测玻璃化转变温度(Tg)方面优于基于SMILES的描述符。然而,气体渗透性是一个截然不同的预测问题:其在聚合物空间中的跨度超过六个数量级,受化学性质和形态的共同支配,需要一个对数目标转换、尺度感知评估指标和明确的适用域。光谱吸光度与渗透性之间的关系也是高度非线性的,这使得梯度提升树集成方法比之前使用的核方法更具优势。因此,本研究旨在探索FTIR光谱能否有效预测聚合物的气体渗透性,从而建立一种快速、实用的候选膜预筛选工具。
关键技术方法概述
研究人员构建了一个包含128种聚合物、843条FTIR光谱记录,并与He、H2、CO2、O2、N2和CH4六种气体实验渗透值配对的数据集。渗透性数据来源于NIMS的PoLyInfo聚合物数据库。研究采用的关键技术方法包括:
- 1.
数据预处理:通过最近邻插值法将所有FTIR光谱统一到共同的波数网格上;对聚合物的形态(无定形/半结晶)和化学家族类别进行独热编码。
- 2.
特征降维:应用主成分分析(PCA)对插值后的光谱矩阵进行降维,提取累积解释方差达95%的主成分作为光谱特征。
- 3.
目标变量转换:对渗透性(P)进行log10转换,以解决其分布严重右偏的问题。
- 4.
模型训练与验证:采用CatBoost梯度提升回归算法,并结合五折分组交叉验证,确保同一聚合物的所有光谱记录始终在同一折中,防止数据泄露。超参数通过网格搜索优化。
- 5.
适用域界定:利用基于杠杆值的Williams图诊断方法,识别并移除具有异常特征组合的高影响力样本,从而定义模型的适用域。
研究结果
3.1. 数据集特征
通过计算整个中红外范围内FTIR吸光度与log10(P)的皮尔逊相关系数,发现所有六种气体呈现出相似的显著模式。最强的信号是在3200-3500 cm-1区域的宽负相关带(r ≈ -0.5至-0.7),对应于O-H和N-H伸缩振动,表明含有强氢键供体的聚合物系统性地表现出较低的渗透性。相反,在约2950 cm-1的脂肪族C-H伸缩区域观察到微弱的正相关。值得注意的是,羰基区(~1730 cm-1)和CO2不对称伸缩窗口(~2350 cm-1)与渗透性几乎呈零线性相关,但这与后续特征重要性分析的结果相矛盾,证明了模型利用了非线性相互作用。
3.2. 输入表示和算法的基准测试
为了确立FTIR作为渗透性预测输入的价值,研究人员比较了17种输入×算法组合。结果显示,基于SMILES指纹的模型表现不佳(R2最高为0.54)。相比之下,采用运输类分层训练的CatBoost流程在log空间中达到了最高的R2(0.95),但在原始Barrer尺度上表现不佳。最终采用的全局模型(包含PCA降维FTIR特征和聚合物家族编码)在完整数据集上的log空间R2为0.882。
3.3. 运输类分层的评估
尝试为橡胶态、玻璃态极性、半结晶和苯乙烯类聚合物分别训练独立的CatBoost模型。尽管在log空间中某些子类取得了很高的R2(如半结晶类达到0.97),但转换回原始Barrer尺度后,性能并未超越单一的全局模型,且稀疏的子类(如玻璃态极性)产生了不稳定的估计值。因此,研究人员放弃了运输类分层策略,转而采用带有杠杆值离群点清洗的单一全局模型。
3.4. 基于杠杆值的离群点诊断与清洗后的整体模型
对全局CatBoost模型应用Williams图诊断,识别出37个具有高杠杆值或大标准化残差的记录。移除这些离群点后,模型在log空间的折叠平均R2从0.882提升至0.939(RMSE=0.368,MAE=0.191,MEF=1.225),在原始Barrer尺度上从0.797提升至0.903(RMSE=0.910 Barrer,MAE=0.916 Barrer)。这表明离群点的去除使得重新拟合的模型能够更忠实地代表大多数聚合物的特性。可视化结果表明,预测值在跨越六个数量级的渗透性范围内均接近对角线,残差对称分布在零附近且无系统性趋势。
3.5. 通过反向投影特征重要性的光谱解释
通过将CatBoost的特征重要性反向投影到原始波数轴上,研究人员发现最重要的预测因子集中在三个狭窄的区域(每个宽度小于12 cm-1):(1) 极性基团/主链(1170-1181 cm-1):对应C-O和C-O-C单键伸缩振动,探测主链极性和含氧官能团。(2) CO?相互作用/环境(2432-2439 cm-1):与CO?相关的吸收区域,可能反映了聚合物薄膜的CO?吸附能力。(3) C-H主链/堆砌(2909-2911 cm-1):对应CH?不对称和CH?伸缩振动,反映主链堆砌密度。前两个区域分别映射到溶解-扩散机理中的溶解项和扩散项,而第三个区域对所有六种气体都很重要,但其相对权重随气体动力学直径变化,符合物理预期。
3.6. 实际筛选工作流程
训练好的模型可将常规FTIR采集转化为渗透性估算,整个过程只需数秒。对于筛选而言,中位误差因子为1.2意味着典型预测值与实测值的偏差在一个因子1.2以内,足以将候选材料分配到正确的性能等级。当将清洗后的数据集分为低(P < 1 Barrer)、中(1-10 Barrer)、高(> 10 Barrer)三个渗透性等级时,模型对94%的记录分配正确,且没有错配超过一个等级的情况。
3.7. 推广至He, H?, O?, N?和CH?
将相同的清洗后CatBoost流程独立应用于H?、N?和O?,其log空间的折叠平均R2分别为0.951、0.944和0.943,与CO?的0.939非常接近,证实了该框架无需针对特定气体调整即可推广至所有六种气体。不同气体在原始尺度R2上的差异主要由目标变量的分布宽度决定,而尺度不变的中位误差因子在所有气体中保持一致。
总结与讨论
研究人员指出,本研究中使用的FTIR光谱和渗透性值是通过聚合物身份配对而非在同一张膜上测量的,这可能导致部分残余误差。因此,报告中的准确率应被视为可实现的下限。未来的关键工作是创建光谱和渗透性测量在同一张膜上进行的数据集,并记录铸造溶剂、膜厚、热历史和分子量等详细信息。
研究结论:研究表明,FTIR衍生的光谱描述符与轻量级聚合物家族元数据相结合,足以预测CO?渗透性,其精度超过了所有测试的分子描述符基线,并且相同的流程无需针对特定气体调整即可推广到其他五种工业相关气体。通过反向投影特征重要性分析,识别出的三个主导预测因子——C-O/C-O-C伸缩(1170-1181 cm-1)、CO?相关吸收(2432-2439 cm-1)和C-H伸缩(2909-2911 cm-1)——分别对应主链极性、CO?亲和力和链堆砌。经过杠杆值离群点清洗后,全局CatBoost模型在log空间实现了0.939的折叠平均R2,中位误差因子为1.225。这项工作建立了FTIR光谱作为一种实用、低仪器依赖性的途径,用于聚合物膜在气体分离应用中的快速预筛选。