基于机器学习的酸烃界面预测与离子液体设计

摘要

为了精准预测离子液体对酸烃界面性质的影响并设计出新颖的离子液体组合，本文采用随机森林等机器学习方法，分析离子液体与酸烃界面性质之间的内在联系，并基于不同的描述符构建了酸烃界面性质的预测模型。为了合理设计新型的离子液体组合，将离子液体的SMILES编码转换为连续且数据驱动的分子描述符（Continuous and Data-Driven Molecular Descriptors,CDDD），并利用基于成功历史的自适应差分进化（Success-History Based Adaptive Differential Evolution,SHADE）算法在潜在空间中进行精准搜索和解码，同时，结合子结构约束以确保生成结构的合理性。以烷基化反应中的界面厚度（δ_w）和界面张力（γ）为例，构建的预测模型在测试集上对界面厚度的决定系数为0.952，界面张力的决定系数为0.901，显示出较高的预测精度。此外，通过SHADE算法优化设计，成功生成了328对满足界面厚度和界面张力要求的离子液体组合，显著扩展了符合标准的离子液体组合的可行域。本文研究不仅提高了对酸烃界面性质的预测能力，还为离子液体的合理设计提供了新的方法和思路。

关键词

离子液体 / 机器学习 / 酸烃界面性质 / 合理设计 / 进化算法