都健教授團隊在產(chǎn)品設計方面研究取得新進展
11月1日，美國化學工程師協(xié)會期刊（AIChE Journal）發(fā)表了大連理工大學化工學院都健教授團隊在“機器學習加速預測分子表面電荷密度分布及其在化工反應與傳質中的應用”方面取得的突破性進展。該成果提出了基于機器學習的原子貢獻法，通過利用高維的神經(jīng)網(wǎng)絡模型與立體的加權原子中心對稱函數(shù)描述符，構建了可快速預測分子表面電荷密度分布（σ-profiles）的代理模型，σ-profiles作為類導體屏蔽片段活度系數(shù)模型（COSMO-SAC）的輸入，可預測活度系數(shù)等溶劑性質，并將其和計算機輔助分子設計方法（CAMD）集成，實現(xiàn)了反應溶劑與結晶溶劑高通量反向（從物性到結構）優(yōu)化設計的目標?；跈C器學習的原子貢獻法示意圖如圖1所示。該成果發(fā)表在化學工程領域TOP期刊AIChE Journal, https://doi.org/10.1002/aic.17110。
?
?
圖1. 基于機器學習的原子貢獻法示意圖
?
課題組之前和產(chǎn)品設計相關的三項研究成果（計算機輔助分子設計方法（CAMD）、反應溶劑、結晶溶劑）為此次研究工作奠定了基礎。針對分子設計問題，課題組提出了計算機輔助分子設計方法（CAMD），開發(fā)了基于混合整數(shù)非線性規(guī)劃數(shù)學優(yōu)化模型與分解式求解策略的OptCAMD工具，可離線反向優(yōu)化設計滿足特定目標函數(shù)與性質約束的溶劑分子結構，并已申請軟件著作權：OptCAMD基于數(shù)學優(yōu)化模型的高通量化工分子產(chǎn)品設計軟件(2019SR0734574)，批準號[04254458]，論文成果發(fā)表在JCR一區(qū)Computers & Chemical Engineering, 2019, 124, 285-301, https://doi.org/10.1016/j.compchemeng.2019.01.006，并受邀在Current Opinion in Chemical Engineering期刊（IF = 4.088）發(fā)表產(chǎn)品設計綜述文章 (2020, 27, 22-34, https://doi.org/10.1016/j.coche.2019.10.005)。
關于反應溶劑建模問題，課題組針對液—液均相有機反應與液—液異相有機反應，分別考察了溶劑化效應（化學層面）和傳質作用（物理層面）對反應動力學速率k和反應體系濃度分布的影響，實現(xiàn)了快速、準確、定量調控反應效率的目標，同時也考慮了反應溶劑的惰性問題，利用反應位點模板與基于基團貢獻法的反應熱力學模型，實現(xiàn)快速、準確、定量預測反應溶劑與反應體系（反應物與產(chǎn)物）熱力學平衡常數(shù)K的目標，從而判斷反應溶劑是否為惰性。前兩項成果均發(fā)表在化學工程領域TOP期刊Chemical Engineering Science (2019, 202, 300-317, https://doi.org/10.1016/j.ces.2019.03.023; 2020, 226, 115894, https://doi.org/10.1016/j.ces.2020.115894)，反應溶劑惰性研究成果發(fā)表在化學工程領域期刊Chemical Engineering Research and Design (2019, 152, 123-133, https://doi.org/10.1016/j.cherd.2019.09.018。
此外，關于結晶溶劑建模問題，課題組針對冷卻結晶過程，建立了考慮過程、溶劑性質、產(chǎn)品質量、成本、定價、經(jīng)濟、環(huán)境等因素的大宗產(chǎn)品設計（GPD）模型，針對不同的結晶過程給出相應的模型求解策略，最后以2-巰基苯并噻唑（MBT）結晶過程為例，以純度和收率為目標函數(shù)，通過建立并求解GPD模型，最終得到滿足要求的結晶溶劑，該項研究目前實現(xiàn)了工業(yè)化應用，研究成果發(fā)表在JCR一區(qū)Computers & Chemical Engineering, 2020, 135, 106764, https://doi.org/10.1016/j.compchemeng.2020.106764。
上述研究成果第一作者包括張磊副教授、博士生劉奇磊、博士生柴士陽，通訊作者為都健教授、張磊副教授。研究工作得到了國家自然科學基金項目（No. 22078041、No. 21808025）和中央高?；究蒲袠I(yè)務費專項資金資助（No. DUT20JC41）的支持。
版權與免責聲明：本網(wǎng)頁的內容由收集互聯(lián)網(wǎng)上公開發(fā)布的信息整理獲得。目的在于傳遞信息及分享，并不意味著贊同其觀點或證實其真實性，也不構成其他建議。僅提供交流平臺，不為其版權負責。如涉及侵權，請聯(lián)系我們及時修改或刪除。郵箱：sales@allpeptide.com