机器学习辅助乙硫醇高效吸收溶剂分子设计

作     者：陈宇翔 刘传磊 龚子君 赵起越 郭冠初 姜豪 孙辉 沈本贤 CHEN Yuxiang;LIU Chuanlei;GONG Zijun;ZHAO Qiyue;GUO Guanchu;JIANG Hao;SUN Hui;SHEN Benxian

作者机构：华东理工大学石油加工研究所上海200237 中国科学院过程工程研究所北京100190 华东理工大学绿色能源化工国际联合研究中心上海200237 新疆大学石油天然气精细化工教育部重点实验室新疆乌鲁木齐830046 

出 版 物：《化工学报》 (CIESC Journal)

年 卷 期：2024年第75卷第3期

页      面：914-923,F0001页

核心收录：

学科分类：081704[工学-应用化学] 0817[工学-化学工程与技术] 08[工学] 070203[理学-原子与分子物理] 081701[工学-化学工程] 0703[理学-化学] 0835[工学-软件工程] 0702[理学-物理学] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金项目(21878097,22178109) 上海市自然科学基金项目(21ZR1417700) 

主　　题：分子设计 机器学习 溶解度 吸收 

摘      要：针对传统胺洗脱硫工艺中有机硫脱除效率低,溶剂开发周期长、成本高等问题,利用7种机器学习算法建立了乙硫醇溶解度的定量构效关系模型,运用SHAP方法阐释了乙硫醇的吸收机理,对备选分子库进行了虚拟筛选,识别出高效吸收脱除乙硫醇的溶剂。基于COSMO-RS模型计算了14732种溶剂的乙硫醇溶解度,这些分子覆盖了广泛的化学空间;XGBoost算法在预测乙硫醇溶解度方面表现最佳,该算法的R^(2)_(test)为0.66,RMSE为1.22,MAE为0.84;分子结构的复杂程度、共价键分布、电荷分布是影响乙硫醇溶解能力的关键因素;确定了4种候选溶剂:3-乙氧基丙胺、3-二乙胺基丙胺、1,4-二甲基哌嗪和3-丁氧基丙胺;平衡溶解度测定实验的结果表明3-丁氧基丙胺的乙硫醇吸收性能最优,亨利常数为37.34kPa。