推理速度快50倍！MIT团队突破小分子溶解度预测，登Nature子刊

在化学与材料科学领域，有机小分子在溶剂中的溶解度是一项至关重要的基础物性数据。它不仅直接影响药物合成工艺中的溶剂筛选、反应条件优化与结晶纯化效率，更在环境污染物迁移分析、新材料开发等众多科研与工业场景中扮演着核心角色。

然而，传统的实验测定方法存在耗时费力、成本高昂、且易受晶体形态和杂质干扰等问题。不同实验室间对同一种物质溶解度（通常以logS表示）的测定结果差异可达0.5–0.7个对数单位，极端情况下甚至出现超过10倍的偏差，严重制约了数据的可靠性与应用价值。

近年来，尽管经验基团贡献法、量子化学计算及机器学习方法逐渐被用于溶解度预测，但这些方法往往在通用性、精度或计算效率方面存在局限，难以在跨溶剂、跨温度的复杂条件下实现既精准又高效的预测。

针对这一长期存在的技术瓶颈，美国麻省理工学院（MIT）的研究团队取得了重要突破。他们成功开发出一种名为FASTSOLV的新模型，能够精准预测任意有机小分子在不同溶剂和温度条件下的溶解度，且推理速度较当前最优模型提升最高达50倍。这项研究成果已发表在《自然·通讯》期刊上。

数据驱动：BigSolDB数据库奠定坚实基础

该研究的核心基础是团队构建的大型有机溶解度数据库BigSolDB。该数据库系统收集了多种有机固体在多样化的有机溶剂及不同温度条件下、接近沉淀极限的溶解度数据，为训练通用预测模型提供了关键的数据支撑。

为确保模型具备强大的外推能力，即能够准确预测训练时未见过的新溶质分子，研究团队设计了严格的评测体系：模型在BigSolDB上训练，并在SolProp和Leeds两个独立公开数据集上进行测试。其中，Leeds数据集提供了更高的溶质多样性，虽然仅覆盖室温条件，但能更好地检验模型在新化学空间中的适应能力。

模型创新：双架构集成实现温度-溶剂-溶质统一建模

研究团队在FASTPROP和CHEMPROP两种经典化学信息学模型架构的基础上进行了关键改进。新模型能够同时输入溶质分子、溶剂分子的结构信息以及温度参数，直接对溶解度对数logS进行回归训练。

具体而言，模型首先将溶质和溶剂的分子结构分别映射为表征向量，然后将这些向量与温度参数拼接，形成完整的溶液综合表征，最后通过全连接神经网络输出预测值。这种方法打破了传统模型对特定溶剂或温度范围的依赖，实现了真正意义上的统一预测。

为进一步提升预测稳健性，研究团队采用集成学习策略，在4个不同随机初始化条件下训练FASTPROP模型，并组合成最终的FASTSOLV模型，有效降低了单一模型的随机波动风险。

性能卓越：精度提升2-3倍，速度飞跃50倍

在严格的性能测试中，FASTSOLV表现突出。在插值场景下，优化后的FASTPROP模型RMSE=0.22、P₁=94%，CHEMPROP模型RMSE=0.28、P₁=90%，性能已逼近实验数据的噪声上限，表明其预测精度接近了实验方法本身的理论极限。

与当前广泛认可的SOTA模型——Vermeire模型相比，FASTSOLV在严格外推测试中的RMSE降低了2-3倍，而推理速度提升最高达50倍。这一突破意味着研究人员现在可以在极短时间内获得以往需要大量计算资源才能得到的准确预测结果，大大加快了研发进程。

研究还通过具体案例验证了模型的实用性。对于利培酮和L-脯氨酰胺等药物分子，FASTSOLV能正确判断不同溶剂中的溶解度顺序与温度依赖性，甚至能区分结构相似的己烷与庚烷等溶剂间的细微差别。

学术与工业界迎来新机遇

FASTSOLV的出现正值“大数据+AI”驱动分子性质预测研究在全球范围内蓬勃发展的时期。在学术界，英国利兹大学的研究者提出了结合人工智能与物理-化学机制的因果关系模型，预测精度接近实验误差水平；MIT团队则利用图神经网络Chemprop在抗生素发现领域取得显著成果，筛选了超过1200万个化合物的抗生素活性和细胞毒性。

在产业界，溶解度预测技术正迅速转化为实际生产力。制药企业如GSK和AstraZeneca已采用类似AspenTech的Solubility Modeler工具，根据少量实验数据预测数百种溶剂组合下的溶解度，显著提升了晶体筛选与工艺开发效率。在材料研发领域，数据驱动模型正帮助研究人员通过分析分子结构与性能间的关系，预测新材料特性，缩短研发周期，降低研发成本。

MIT团队已将FASTSOLV模型开源发布，为全球相关科研与产业应用提供了高效而实用的工具。这一创新不仅代表了溶解度预测领域的最新突破，更展示了“高质量数据集+先进机器学习算法”组合在解决复杂科学问题上的巨大潜力。

随着更多高精度实验数据的积累和算法模型的进一步优化，我们有理由相信，数据驱动的分子性质预测将在未来几年内为化学、材料和制药行业带来更多颠覆性的变革。