AI推进剂筛选模型

预测电离与质谱

利用化学指纹和AI算法，在合成前预测候选推进剂的电离特性和质谱裂解模式，加速筛选。

Angel, Pan Du · Arana-Catania, Miguel · Grustan-Gutierrez, Enric

Journal of Electric Propulsion 2025

参数信息

全质谱余弦相似度

0.6395

前10匹配率

78 %

技术优势

简化筛选流程

在合成前预测电离能和质谱，避免对每个候选物进行冗长的实验测试。

预测结果可靠

电离能和最小出现能的平均相对误差分别仅为6.87%和7.99%，具备实用参考价值。

质谱匹配率高

预测全质谱与实测谱余弦相似度0.6395，30 Da范围内与实测前10名匹配率达78%。

应用场景

• 电推进推进剂开发：在合成前快速筛选候选推进剂，减少实验测试量。
• AI辅助分子设计：利用AI预测分子电离特性，辅助设计更适合电推进的化合物。
• 质谱数据分析：预测电子电离质谱，辅助质谱数据解析与化合物鉴定。