离子液体(ILs)是一种“可设计”的溶剂,其可调性使其在分离、电化学、生物质处理和催化等领域具有针对性的应用。然而,阳离子-阴离子设计空间的组合增长远远超过了实验表征的速度,这使得数据驱动的筛选变得至关重要。在热物理性质中,表面张力(γ)控制着润湿、界面传输、相接触和设备设计;因此,其可靠的预测对于溶剂的选择至关重要。像ILThermo这样的专业数据库使得分散的实验数据变得易于获取,但不同化学物质和温度范围内的覆盖范围仍然稀疏且不均匀[1]。
在过去十年中,预测建模从基于物理/基团贡献和对应状态的相关性发展到数据驱动的机器学习。早期的工作使用了对应状态和基团贡献公式来预测离子液体的表面张力[[2], [3], [4]]。随后出现了基于分子描述符的QSPR模型[5],以及结合神经网络的结构感知和COSMO辅助方法[6]。以数据库为中心的QSPR/GC努力扩大了覆盖范围并实现了标准化[7]。更近期的“结构智能”机器学习框架和量子化学驱动模型提高了准确性和可解释性[8,9]。此后,离子液体性质的机器学习/QSPR建模迅速发展。经典的QSPR研究证明了使用分子描述符进行表面张力预测的可行性,后来通过模型变体和更大的数据集进行了改进[[10], [11], [12], [13]]。最近的研究利用了更丰富的表示方法(例如σ-轮廓、SMILES衍生的描述符)和现代学习器,在广泛的温度范围内实现了接近实验水平的准确性[9,15]。同时,多属性框架展示了对数十万种候选离子液体的大规模计算机筛选[14],这突显了提升可靠性和吞吐量的方法学流程的价值。然而,这种表面上的进步掩盖了持续存在的方法学缺陷,这些缺陷影响了模型的可重复性和泛化能力。
尽管在数据驱动的性质预测方面取得了显著进展,但几个方法学挑战仍然影响着离子液体(ILs)机器学习模型的可靠性和泛化能力。一个常见的问题是在训练集和测试集中都出现了结构相似或几乎相同的离子液体时,使用随机数据分割,这会由于信息泄露而人为地夸大准确性。此外,模型参数和验证策略的文档记录不足——包括缺乏不确定性估计和适用性域检查——也影响了模型的可重复性,并限制了对其未来使用的信心。一些研究依赖于缺乏物理化学可解释性的描述符集,这可能会掩盖机制洞察力,并阻碍模型对新分子结构的迁移。这些问题在先前的研究中已经被认识到,但在协议层面仍然没有得到充分解决[[16], [17], [18], [19]]。
在离子液体性质预测中,评估过程中的数据泄露问题仍然被忽视。当同一离子液体在不同温度下的多次测量结果被分配到训练/测试集中时,模型可能会记住特定于结构的信号,并报告出无法应用于新离子液体的夸大指标。这个问题在基于机器学习的科学中普遍存在,需要通过群体感知的验证(例如,按独特的阳离子-阴离子对进行分组)来获得准确的泛化估计[20]。
第二个限制是在决策时的可靠性。高通量筛选的可靠性取决于其误差范围和适用性域(AD)。然而,大多数离子液体模型仅提供点预测,而没有校准的不确定性或适用性域诊断,因此无法区分可靠预测和推测性预测。最近的进展,如符合性预测和基于化学信息学的AD分析,提供了量化不确定性和定义有效预测区域的正式方法[21,22],但它们在离子液体建模中的整合仍然很少见。
低表面张力的离子液体(ILs)在多个应用领域具有吸引力,因为它们可以降低界面阻力并改善相接触。在二氧化碳捕获中,“干”离子液体系统增强了气体-液体传输和整体吸收效率,这促使人们寻找在293–353 K范围内具有有利界面特性的离子液体[23]。在电池电解质中,离子液体-隔膜界面的润湿性和稳定性对性能至关重要,因此调整表面张力和极性直接关系到电化学的稳健性[24]。在摩擦学中,表面张力影响润湿和膜的形成,从而影响摩擦/磨损;最近使用亲核离子液体添加剂的研究展示了温度敏感的润滑效果,突显了界面现象的作用[25]。对于提高石油采收率(EOR),表面活性离子液体可以降低界面张力并改变润湿性;最近的微观模型和实验室规模研究证明了咪唑离子液体在类似储层条件下的强界面活性,支持在适当范围内筛选低于20 mN·m?1的离子液体[26]。稳定的微乳液也受益于离子液体作为界面剂,进一步推动了配方领域中表面张力的系统化优化[27]。最后,用于防雾/防冰的离子液体涂层利用了其吸湿性和界面控制能力;最近的结果显示,与离子液体的界面性质相关的防雾和防冰行为具有重复性,再次强调了筛选低γ值候选者的价值[28]。这些多样化的例子表明,准确的γ值预测不仅仅是一个狭义的建模任务,而是一个跨领域的工程需求。
本研究通过推进一种用于离子液体表面张力的方法学筛选流程来填补这些空白。我们的贡献有四个方面:(i)我们整理并重新划分了公共数据以消除数据泄露,通过阳离子-阴离子身份进行分组分割,防止在不同训练集之间出现几乎相同的预测结果,从而获得现实的性能基线。(ii)我们将现代基于描述符的学习器与通过符合性预测校准的不确定性相结合,使得在筛选时能够控制误差率。(iii)我们量化并明确了适用性域(AD),使模型使用符合QSAR原则。(iv)我们将筛选过程转化为基于风险意识的筛选,从而选择同时优化预测性能和可靠性的候选者。
最后,我们强调研究范围:目标不是不惜一切代价“超越”之前的准确性,而是提高离子液体筛选的方法学严谨性——尤其是在实验验证有限的情况下。通过将无数据泄露的评估、校准的不确定性和领域意识作为首要要素,所提出的工作流程为离子液体设计建立了透明且可复制的基石,这与最近对基于机器学习的科学要求的严谨性一致[20]。