基于量子化学构象分析与COSMO-RS增强塑料添加剂在解聚溶剂中溶解性预测的研究

《ACS Omega》:Enhancing Solubility Predictions of Plastic Additives in Depolymerization Solvents Using Quantum Chemical Conformer Analysis and COSMO-RS

【字体: 大 中 小 】 时间:2026年09月22日 来源:ACS Omega 5.2

编辑推荐:

  摘要 通过解聚实现塑料回收的成功依赖于从复杂混合物中选择性纯化再生单体。这可以通过准确预测大型、柔性且多功能的添加剂分子的相行为来辅助,而这对当前的热力学模型仍是一个挑战。在本研究中,研究人员测量了11种代表性添加剂和三种PET单体在两种常见解聚溶剂——水和乙

  
摘要 通过解聚实现塑料回收的成功依赖于从复杂混合物中选择性纯化再生单体。这可以通过准确预测大型、柔性且多功能的添加剂分子的相行为来辅助,而这对当前的热力学模型仍是一个挑战。在本研究中,研究人员测量了11种代表性添加剂和三种PET单体在两种常见解聚溶剂——水和乙二醇中的溶解性,覆盖了从几乎不溶(<1 ppm)到41.6 wt%的广泛范围。为了基准预测能力,研究人员探索了一种量子化学(QC)工作流程,整合了RDKit构象生成、Gaussian DFT优化和COSMO-RS热力学建模。系统的构象采样对于庞大、高分子量的添加剂(如抗氧剂)至关重要。对三种Pople型基组的比较揭示了计算成本与准确性之间的权衡。6-311++G(d,p)基组提供了最佳平衡(均方根误差RMSE = 1.31对数单位),而3-21+G(d)降低了计算成本但准确性较低,6-311++G(3df,3pd)仅在特定案例中以显著更高的成本带来了微小的改进。对于溶解性较高的化合物,预测准确性最高,但随着分子量、构象灵活性和吉布斯熔融自由能的增加而降低。为了改进固液平衡(SLE)预测,研究人员使用差示扫描量热法(DSC)测量了熔点和熔融焓,并与定量结构-性质关系(QSPR)估计值进行了比较。这种结合计算与实验的方法支持了在缩合聚合物(如PET)化学回收中开发节能纯化策略。
一、研究背景与意义
塑料污染已成为全球性的严峻挑战,推动塑料循环经济至关重要。对于聚对苯二甲酸乙二醇酯(PET)等缩合聚合物,通过水解或醇解进行解聚是实现闭环回收的有效途径。然而,工业解聚过程中最具能耗挑战的环节之一——反应产物的纯化——却长期被忽视。这一难题源于初始废料成分的复杂性,其中不仅包含聚合物,还含有多种有意或非有意添加的物质((N)IAS),如各类添加剂、催化剂、降解产物和污染物。这些组分的存在严重干扰了下游加工,使得从解聚介质中选择性分离出高纯度单体的过程极为困难。
传统的热力学模型,如NRTL和UNIQUAC,依赖大量实验平衡数据来回归二元交互参数,耗时且昂贵,甚至在某些情况下无法实现。因此,亟需一种能够准确预测大型、柔性添加剂分子在解聚溶剂中相行为的计算方法。本研究旨在评估一种基于量子化学(QC)的计算工作流程,用于预测11种添加剂和三种PET相关单体在水和乙二醇中的溶解性,为开发节能的纯化策略提供理论支撑。
二、主要技术方法
研究人员采用了一套结合计算与实验的综合方法:
  1. 1.
    量子化学工作流程:首先利用RDKit(V.2023.09.3)自动搜索分子构象,生成多达1000个初始构象,并通过通用力场(UFF)优化和均方根偏差(RMSD)修剪去重。随后,使用Gaussian 16软件,在B3LYP泛函和Grimme D3色散校正水平下,对三种不同复杂度的Pople型基组(3-21+G(d)、6-311++G(d,p)、6-311++G(3df,3pd))进行几何优化和振动分析。最后,将生成的COSMO文件导入COSMOtherm 20.0.0,基于COSMO-RS模型预测热力学性质和溶解度。
  2. 2.
    构象聚类与选择:对于剩余构象数超过4个的分子,采用K-means聚类算法,并结合轮廓系数(SiS)、Calinski-Harabasz指数(CHI)和Davies-Bouldin指数(DBI)三个指标确定最优聚类数,以选取代表性构象。
  3. 3.
    热力学性质测定:使用差示扫描量热法(DSC)测量化合物的熔点和熔融焓,并与COSMOquick v.2020中的定量结构-性质关系(QSPR)预测值进行比较,以修正固液平衡(SLE)计算中的吉布斯熔融自由能(ΔGfusion)。
  4. 4.
    实验验证:在25±0.1°C下,通过逐步加样直至出现沉淀的方法制备饱和溶液,经离心和过滤后,使用高效液相色谱(HPLC)系统测定11种添加剂和三种PET单体的最大溶解度,作为验证工作流程的基准。
三、研究结果
  • •
    构象分析的重要性:研究发现,系统的构象采样对于庞大、高分子量的添加剂分子(如抗氧剂Irganox 1330和Irganox 1010)至关重要。这些分子具有高度柔性,其势能面复杂,存在多个能量相近的局部最小值,合理的构象搜索是获得可靠预测的前提。
  • •
    基组选择的权衡:通过对三种Pople型基组的比较,研究人员明确了计算成本与准确性之间的权衡。6-311++G(d,p)基组在整体上提供了最佳平衡,预测的均方根误差(RMSE)为1.31对数单位。较小的3-21+G(d)基组虽降低了计算成本,但准确性也相应下降。而最大的6-311++G(3df,3pd)基组仅在少数特定案例中带来微小改进,但计算成本却显著增加。
  • •
    预测准确性的影响因素:总体而言,对于溶解性较高的化合物,预测准确性最高。然而,随着溶质分子量、构象灵活性和吉布斯熔融自由能的增加,预测误差也随之增大。这表明COSMO-RS模型在处理大型、柔性分子时仍存在局限性。
  • •
    热力学性质的对比:通过DSC测得的熔点和熔融焓与QSPR预测值的对比显示,QSPR方法能够提供合理的估计,但在某些化合物上存在偏差。将这些实验数据代入模型后,有效提升了固液平衡(SLE)预测的精度。
  • •
    异常构象识别:研究人员引入了基于修正Z-score的非参数离群值检测方法,用于在没有实验数据的情况下识别与其他构象一致性较差的异常构象,从而提高了预测结果的可靠性。
四、总结与结论
本研究成功建立并验证了一个结合量子化学构象分析和COSMO-RS热力学模型的系统性工作流程,用于预测塑料添加剂在解聚溶剂中的溶解性。研究结果表明,对于复杂、柔性的添加剂分子,必须进行充分的构象采样才能获得可靠的预测结果。在计算资源有限的情况下,6-311++G(d,p)基组是兼顾成本与精度的优选方案。同时,准确的熔点和熔融焓数据是提升固液平衡预测的关键输入。
研究结论指出,这种结合计算与实验的方法能够有效支持缩合聚合物(如PET)化学回收过程中节能纯化策略的开发。尽管该方法在处理极低溶解度或极高分子量化合物时仍有改进空间,但它为设计更高效的解聚产物分离工艺提供了重要的理论基础和实用工具,推动了塑料化学回收技术的发展。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号