利用机器学习预测大气分子的气粒分配系数

大气中二次有机气溶胶的形成、性质和寿命很大程度上由参与其中的有机蒸气的气粒分配系数决定。由于这些系数通常难以测量或计算,我们开发了一种机器学习 (ML) 模型,以分子结构为输入来预测它们。我们的数据驱动方法基于 Wang 等人 (Atmos. Chem. Phys., 17, 7529 (2017)) 的数据集,他们使用 COSMOtherm 程序计算了主化学机制中 3414 种大气氧化产物的分配系数和饱和蒸气压。我们针对饱和蒸气压 ($P_{sat}$),以及两个平衡分配系数:水不溶性有机质相与气相之间 ($K_{WIOM/G}$)、纯水的无限稀释溶液与气相之间 ($K_{W/G}$),训练了核岭回归 (KRR) ML 模型。对于将每个有机分子原子结构输入机器,我们测试了不同的描述符。我们最佳的 ML 模型预测 $P_{sat}$ 和 $K_{WIOM/G}$ 的误差在原始 COSMOtherm 计算的 0.3 对数单位内,$K_{W/G}$ 在 0.4 对数单位内。这等于或优于 COSMOtherm 预测相较于实验数据的典型精度。随后我们将 ML 模型应用于一个包含 35,383 个分子的数据集,该集基于碳 10 骨架并修饰以 0 至 6 个羧基、羰基或羟基生成,以评估其对具有潜在低 $P_{sat}$ 的多官能团化合物的性能。所得的 $P_{sat}$ 与分配系数分布在物理化学上合理,且对最高度氧化化合物的挥发性预测与具有相似元素组成的大气氧化产物的实验推断挥发性在定性上一致。