YAML HEAD

开源许可类型: Apache License 2.0

任务类型: 分子热力学性质-溶解度常数预测

框架: Pytorch

支持的语言类型: - 中文 - 英文

评估指标: - MAE - R2

模型所属领域: 物质科学

燧人大模型介绍

模型描述

燧人大模型是一套面向分子原子尺度的深度学习模型，基于 PyTorch 框架构建，能够同时支持各种热力学性质的预测，包括沸点、临界性质、热容、扩散系数、燃烧焓、生成焓、溶解度、粘度等。

溶解度常数（Solubility Constant）通常指在一定温度和压力下，描述物质在溶剂中溶解能力的热力学参数。根据溶质和体系不同，其定义和形式有所差异，常见于气体或难溶电解质的溶解平衡。

应用场景：

环境科学：
预测 O₂、CO₂ 在水体中的溶解量，影响水质、生物呼吸和碳循环。
化工与制药：
设计反应溶剂、结晶过程和药物溶解性优化。
地质与海洋学：
研究矿物沉淀（如碳酸钙）、海底沉积和水垢形成。
生物系统：
分析气体（如氧气、二氧化碳）在血液中的运输与交换。
水处理：
控制重金属离子沉淀（如通过调节 pH 影响 ( K_{sp} )），实现净化。

期望模型使用方式以及适用范围

科研人员：在材料设计、分子筛选过程中快速获取热力学性质预测值，辅助实验设计和评估。
工程应用：在工艺模拟与安全评估环节中，用于替代部分昂贵或不精确的实验测量。
教学场景：作为化工、材料、热物性课程的辅助工具。

⚠️ 模型适用于 有机小分子，不适合直接推广到 复杂聚合物、大分子材料或金属体系，模型支持的元素种类包括(H，C，N，O，F，P，S，Cl，Br，I)。

如何使用

环境安装

torch>=2.0
torch-geometric
pip install -r requirements.txt

1. 微调

用户可以基于已有的预训练权重，在自己的数据集上进一步微调，以适配特定分子空间或特殊热力学性质。

请将微调数据集放入data/{name}/raw目录下，提供名为 {name}_train.csv, {name}_valid.csv, {name}_test.csv 三个数据文件，每个文件包含两列，分别为“SMILES”列和"values"，“SMILES”表示分子的结构式(str格式)，"values"表示性质数值(float格式)。

微调代码示例：

python train.py --name solubility_parameter --epochs 10 --batch_size 64 --lr 1e-3 --checkpoint path --loss l1 --output_dir checkpoints

参数说明：

name：性质名称或实验名称，用于产生对应checkpoint文件
epochs：训练轮次
batch_size：一次性处理的样本批次大小
lr：学习率
checkpoint：预训练模型路径
loss：训练损失函数
outpu_dir：微调模型保存路径

2. 推理

我们提供了微调模型，可以直接调用进行推理。

代码范例

python infer.py --device cuda --model_path ./chekpoints/solubility_parameter --smiles "CC=O"

参数说明

device：推理设备，使用GPU/CPU进行推理
model_path：微调模型的存储路径
smiles：待推理的分子SMILES表达式

模型局限性以及可能的偏差

数据覆盖不足：训练数据集主要覆盖常见有机小分子，对于稀有化合物或大分子体系预测精度可能不足。
温度/压力依赖性：模型预测的是标准条件下的物性，未显式建模温压依赖效应。
泛化性：在实验数据较少的性质上，模型预测可能偏差较大。

模型训练

1. 训练数据介绍

训练数据来自开源化学数据库与部分实验文献整理。数据包括：

分子结构（SMILES）
对应实验热力学性质值

2. 预处理

使用 RDKit 将 SMILES 转换为分子图表示
构建分子图的2d图表示以及3d分子坐标
数据标准化与归一化，保证不同物性的数值范围适配神经网络训练

3. 训练

框架：PyTorch + PyTorch Geometric
优化器：AdamW
损失函数：MAE
评估指标：MAE、R²
每个热力学性质单独进行微调，存储在 ./checkpoints/ 目录下

模型评估

在内部测试集上，模型在不同任务上表现如下：

任务	MAE	R²
溶解度常数预测	0.44376	0.91557

开源协议

本项目采用 Apache License 2.0 开源许可证