基于您提供的论文内容,我将按照要求依次回答四个问题。 --- 基于约束SELFIES的离子液体燃料脱氮逆向设计

《Chemical Engineering Journal Advances》:Constrained SELFIES-based inverse design of ionic liquids for fuel denitrogenation

【字体: 大 中 小 】 时间:2026年09月26日 来源:Chemical Engineering Journal Advances 6.9

编辑推荐:

  离子液体是颇具前景的萃取介质,但其组合设计空间巨大,阻碍了穷举式实验或量子化学筛选。研究人员提出了一种轻量级逆向设计工作流,该工作流结合了SELFIES突变、显式化学约束、两阶段学习排序(learning-to-rank)以及COSMO-RS验证。源自文献的离

  
离子液体是颇具前景的萃取介质,但其组合设计空间巨大,阻碍了穷举式实验或量子化学筛选。研究人员提出了一种轻量级逆向设计工作流,该工作流结合了SELFIES突变、显式化学约束、两阶段学习排序(learning-to-rank)以及COSMO-RS验证。源自文献的离子族得以扩展,且无需训练专门的生成模型。候选离子通过族核心保留、单价电荷与核心局域化电荷规则、族特定描述符包络、结构净化和PubChem文献记录等步骤得以保留。在540万次突变尝试中,没有结构在SELFIES解码或规范化(canonicalization)中失败。受约束的工作流产出了2078个有文献记录的离子和30,945个阴阳离子对,而无约束对照则包含125,240个离子,并在1亿离子对的部署限制下进行了采样。排序模型基于11,666个COSMOtherm系统进行训练。第一阶段作为癸烷排斥门控,在留出集上产生了零假阳性。敏感性分析在不同测试门控阈值和参考集组成下均保持了零假阳性。第二阶段根据对喹啉或咔唑的亲和力对存活者进行排序,其Spearman ρ值分别为0.9978和0.9979。对20个生成候选物的COSMO-RS验证重现了污染物特异的相互作用模式。在受约束和不受约束的候选物中,喹啉表现出更强的氢键贡献,而咔唑则表现出更强的范德华贡献,这与涉及扩展芳香表面的色散作用一致。受约束空间保留了结构独特的候选物,同时限制了化学漂移和实际复杂性。由此产生的框架为在用户定义的化学和过程约束下生成、排序和验证离子液体替代方案提供了一条可控途径,而实验合成、物理性质测量和液-液萃取测试将构成下一验证阶段。
论文解读

**1. 研究背景、问题与意义**

生成式人工智能正在深刻改变分子设计的范畴,其应用已从固定库筛选扩展到直接构建候选结构。离子液体因其性质主要由阴阳离子的配对决定,具备高度的可调性,是生成式分子设计的理想目标。然而,其组合空间据估计可达101?量级,远超实验或量子化学穷举筛选的能力。因此,离子液体发现不仅是一个性质预测问题,更是一个受约束的生成问题:需要从庞大的组合空间中提出具有化学意义、实际相关性和应用兼容性的候选物。现有的生成式离子液体设计研究虽然验证了可行性,但仍面临核心挑战:如何超越简单的结构有效性,实现化学纪律性、可解释性和实际可操作性。燃料脱氮为该设计问题提供了一个严格且具有工业相关性的测试平台,其中离子液体需同时满足低烃类溶解度和高含氮污染物亲和力这两个关键要求。

**2. 研究内容与结论**

针对上述挑战,本研究以燃料脱氮为测试平台,旨在开发一种可控的逆向设计工作流。该工作流通过结合SELFIES突变、显式化学约束、两阶段学习排序和COSMO-RS验证,实现了在用户定义规则下生成、排序和验证离子液体替代方案的目标。研究得出的核心结论是,通过施加显式的化学约束,可以在一个庞大的生成空间内进行有效收窄,同时保留位于有利热力学区域内的、结构独特的候选物。该方法的主要价值在于其可控性,它提供了一条无需为每个新问题训练专用生成模型、即可在用户定义约束下探索离子液体替代方案的可扩展路径。

**3. 主要关键技术方法**

本研究采用了如下关键技术方法:基于SELFIES表示进行令牌级突变生成候选离子,利用SMARTS模式定义并保留离子族核心结构;采用两阶段成对学习排序(learning-to-rank)框架,第一阶段依据COSMO-RS计算的癸烷无限稀释活度系数倒数(C?)作为门控,第二阶段依据污染物(喹啉或咔唑)无限稀释活度系数倒数(C?)进行排序;最后通过TURBOMOLE软件进行DFT/BP86/def-TZVP级别的COSMO文件计算,并导入COSMOtherm进行COSMO-RS验证。用于训练排序模型的热力学数据集包含11,666个离子液体系统(源自BIOVIA COSMOtherm 2022计算),其离子种类来源于文献中Paduszyński编制的密度和粘度数据库。

**4. 研究结果**

**(1)第一阶段学习排序:排斥烃亲和型离子液体:** 第一阶段模型在留出集上对离子液体的癸烷排斥排序具有高保真度(Spearman ρ = -0.9985)。通过参考基准门控校准,该阶段实现了零假阳性(精确率=1.0,召回率=0.925),有效阻止了烃亲和型离子液体进入后续阶段,且该保护作用在测试的参考集组成和门控阈值范围内均保持稳定。

**(2)喹啉排序与生成候选物验证:** 第二阶段喹啉排序模型在留出集上表现出近理想的单调性(Spearman ρ = 0.9978)。COSMO-RS验证结果显示,排名靠前的候选物(包括留出、受约束和不受约束空间的顶级候选)均呈现极性、氢键供体(HBD)能力和芳香性/杂芳香性特征,与喹啉的吡啶氮孤对电子相互作用逻辑一致。受约束候选物在保持核心结构的同时,其C?值范围(1.79至10.80)低于留出参考,反映了设计权衡。不受约束候选物虽达到更高C?值(6.04至13.41),但其结构复杂性也更高,例如其中一个排名靠前的阳离子含有磺酸取代基和末端碘取代基,这违反了受约束工作流中的阳离子卤素规则。

**(3)咔唑排序与生成候选物验证:** 针对咔唑的第二阶段排序同样保持了高排序保真度(Spearman ρ = 0.9979)。COSMO-RS验证表明,氧合阴离子与芳香/杂芳香阳离子的组合在留出、受约束和不受约束候选物中反复出现,这有助于在咔唑的N-H位点发生局部相互作用,并涉及融合芳香表面的色散作用。值得注意的是,受约束候选物的最高验证C?值(32.04)超过了不受约束候选物(26.97)和留出参考(25.61),表明结构纪律性可以在限制化学漂移的同时保留有利的咔唑亲和力。

**(4)约束效应、结构复杂性与设计展望:** 采用BertzCT复杂度指数量化比较发现,受约束生成的离子在复杂度上分布更窄,而无约束生成的离子则扩展到更复杂的化学空间。对生成候选物的COSMO-RS相互作用能分解显示,喹啉的稳定化主要由更强的氢键贡献(中位数-3.93 kcal mol?1)驱动,而咔唑的稳定化则主要由更强的范德华贡献(中位数-9.93 kcal mol?1)驱动,这与其扩展的芳香表面相关。研究还发现,尽管受约束候选物是来自数据库支持组分离子的计算优先离子对,仍需实验验证。

**5. 讨论部分总结与结论翻译**

**讨论部分总结:** 讨论部分指出,SELFIES突变虽然保证了生成结构的化学有效性,但不能保证局部化学邻近性,这解释了为何大的突变预算并未直接转化为同等数量的可接受候选物。因此,未来工作应开发邻近感知的(proximity-aware)SELFIES突变算子,在生成过程中保护族核心和电荷位点,以减少非生产性漂移和计算成本。同时,当前框架的约束是对实际化学性质的定性处理,后续应将粘度、熔点等物理性质作为定量目标纳入多目标优化。该方法的直接下一步是对优先排序的离子对进行实验验证。

**研究结论翻译:** 本研究通过结合SELFIES突变、显式化学约束、学习排序筛选和COSMO-RS验证,为离子液体的逆向设计提供了一条轻量级途径。受约束的生成步骤最终产出了包含2078个具有真实CID支持离子的清单,对应30,945个可能的受约束阴阳离子对。两阶段排序工作流遵循分离的物理要求,第一阶段作为癸烷排斥门控,在留出集上实现零假阳性;第二阶段则根据对喹啉或咔唑的亲和力对存活候选物进行排序。COSMO-RS验证表明,该工作流能够恢复污染物特异的相互作用模式。该方法的核心价值在于可控性,通过五个基本步骤即可实现对新设计问题的重定向。研究的中心发现是,显式化学约束可以在保留结构独特候选物的同时,将庞大的生成空间收窄至有利的热力学区域。该框架的即期下一阶段是对优先排序离子对的实验验证,随后将测量的物理、操作和合成性质整合到多目标设计循环中。
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