南京工业大学张遵民教授团队 Precision Chemistry｜图神经网络精准预测CO₂在物理溶剂中的溶解度

背景：在全球碳减排与“双碳”目标推动下，工业源CO₂的高效捕集成为重要课题，物理溶剂吸收法因再生能耗低等优势被广泛采用，但溶剂筛选面临效率瓶颈。研究目的：南京工业大学张遵民教授团队旨在利用图注意力网络（GAT）等机器学习模型，精准预测CO₂在多样物理溶剂中的溶解度，并提升模型的化学可解释性。结论：研究构建了包含54种溶剂、1671条实验数据的数据库，比较发现GAT模型预测精度最高（R²=0.9837），且通过原子尺度特征重要性分析，揭示了不同溶剂中极化率、氢键等结构因素对溶解度的定量影响，模型兼具高精度与良好可解释性，可为CO₂捕集溶剂的高通量虚拟筛选提供支持。