多组件学习器实现有机分子沸点的精准预测

作     者：刘雨泽 李昆华 黄佳兴 于曦 胡文平 Liu Yuze;Li Kunhua;Huang Jiaxing;Yu Xi;Hu Wenping

作者机构：天津大学化学系天津300072 天津大学天津市分子光电科学重点实验室天津300072 

出 版 物：《化学学报》 (Acta Chimica Sinica)

年 卷 期：2022年第80卷第6期

页      面：714-723页

核心收录：

学科分类：07[理学] 070302[理学-分析化学] 0703[理学-化学] 

基　　金：国家自然科学基金(Nos.21973069,21773169) 天津大学北洋青年学者计划(No.2018XRX-0007) 天津大学-青海民族大学自主创新合作基金(No.2021XZC-0064) 青海民族大学青藏高原资源化学与生态环境保护国家民委重点实验室开放基金(No.2021GKF-1002) 天津大学大学生创新创业训练计划(No.201910056451)资助项目. 

主　　题：化学信息学 机器学习 异质学习模型 人工神经网络 支持向量机 集成学习 有机分子沸点 

摘      要：沸点(BP)是有机分子液体的基本物理化学量,也是化学工业生产中的重要参数.有机分子的沸点由分子结构决定,呈现复杂的结构-沸点关系,函数法(Function Method)、基团贡献法(Group Contribution Method)等传统方法无法应对复杂多样有机分子结构的预测,应用范围狭窄,预测精度低.本研究中,我们利用基于人工神经网络(ANN)和支持向量机(SVM)的多组件学习器实现有机分子沸点的精准预测.我们构建了基于可解释性描述符的ANN、基于相关性描述符的ANN及基于复合分子指纹的SVM三个异质模型,并通过包含4550个各种类别的有机分子沸点的数据集进行训练得到了三个异质性学习器,最后集成三个学习器对有机分子沸点进行预测.相比于传统方法和此前的定量结构性质关系(QSPR)模型,多组件模型结合了三种模型的优点,展现出很好的预测精度和泛化能力以及低的过拟合,实现了对多种类型有机分子的沸点的有效预测.