论文标题：FusNet: unlocking molecular fusion properties through machine learning

期刊：Frontiers of Chemical Science and Engineering

作者：Jiahui Chen, Yuxin Qiu, Wenyao Chen, Hongye Cheng, Xuezhi Duan, Zhiwen Qi, Zhen Song

发表时间：9 Jun 2025

DOI：10.1007/s11705-025-2593-7

微信链接：点击此处阅读微信文章

扫码识别查看原文

文章速览

分子熔化性质的精准预测对于相变材料设计及流程工艺的可持续性优化至关重要，但受限于高质量数据的稀缺性和复杂的内在物理机制，该任务仍面临挑战。本研究通过系统筛选分子描述符并结合深度学习技术，尝试以人工智能方法实现熔化性质预测。通过系统评估多种统计机器学习算法与基于注意力的模型架构，确定了两种熔化性质中的优选模型：SMILES增强的Transformer-卷积神经网络用于熔点预测，图注意力神经网络用于熔化焓预测。通过四组化学结构丰富的实验验证（γ-丁内酯、辛酸甲酯、N-苯基苯磺酰胺及三乙二醇二甲醚），进一步验证了模型的预测能力。模型可解释性分析表明，FusNet有效辨识了分子中的关键结构：基于文本的模型其内在注意力集中于关键原子，图神经网络模型则聚焦于关键化学键，与热力学专家经验保持一致。FusNet框架实现了分子熔化性质快速、可解释的预测，为相变材料、绿色溶剂体系、可持续过程开发提供了工具支持。

摘要图

引用格式

Jiahui Chen, Yuxin Qiu, Wenyao Chen, Hongye Cheng, Xuezhi Duan, Zhiwen Qi, Zhen Song. FusNet: unlocking molecular fusion properties through machine learning. Front. Chem. Sci. Eng., 2025, 19(9): 81 DOI:10.1007/s11705-025-2593-7

《前沿》系列英文学术期刊

由教育部主管、高等教育出版社主办的《前沿》（Frontiers）系列英文学术期刊，于2006年正式创刊，以网络版和印刷版向全球发行。系列期刊包括基础科学、生命科学、工程技术和人文社会科学四个主题，是我国覆盖学科最广泛的英文学术期刊群，其中12种被SCI收录，其他也被A&HCI、Ei、MEDLINE或相应学科国际权威检索系统收录，具有一定的国际学术影响力。系列期刊采用在线优先出版方式，保证文章以最快速度发表。

中国学术前沿期刊网

http://journal.hep.com.cn