DISSOLVR：一种用于水相和有机相溶解度预测的可解释且快速的框架

arXiv:2610.02574v1 公告类型：新论文 摘要：高保真度的溶解度预测是药物开发和环境分配研究的基础，因为准确建模必须将分子结构与不同化学环境下的热力学行为结合起来。然而，近年来的进展主要由深度学习架构主导，这些架构往往以预测能力为代价牺牲物理可解释性。我们通过证明无需采用此类不透明架构也能达到当前最先进的性能，对这一趋势提出挑战。为此，我们提出DISSOLVR，一种透明的分子溶解度预测框架。此外，我们还进行了全面的文献综述，并针对多种方法开展了基准测试研究。我们表明，DISSOLVR的性能已接近实验不确定性的偶然性极限，并通过结构不变性实现了分布外泛化；这种结构不变性源于将分子映射为具有物理依据的描述符。随后，我们提出了一条由LLM辅助的事后解释流程，将符号模型产物与基于化学原理的叙述连接起来。最后，一项涉及22名专业化学家的调查比较基准研究表明，专家评估者能够提供深入的见解。