注意力机制预测模型

制冷剂物性高精度预测

模型引入注意力机制，制冷剂物性预测精度优于传统基团贡献法。

He, Yichuan · 冯妍卉 · 邱琳 · 唐大伟

Energy 2024

参数信息

决定系数

0.9

技术优势

不同基团影响力可解释

SHAP 方法给出每个分子基团对目标性质的贡献大小，可指导分子设计时优先调整关键基团。

泛化到氟氯类制冷剂

模型专门针对氟/氯基制冷剂训练，对这类工质的适用性优于通用物性估算方法。

四种物性同时预测

一次输入分子基团即可同时获得分子量、沸点、临界温度和临界压力，减少重复建模工作。

应用场景

• 制冷剂研发：快速估算新制冷剂候选物的基础物性，缩小实验合成范围。
• 新型工质筛选：高通量评估大量分子结构，优先筛选有潜力的工质。
• 分子设计：根据基团贡献调整结构，反向设计满足目标物性的分子。