Thermodynamically consistent machine learning model for excess Gibbs energy

A continuación se presenta un resumen técnico detallado del artículo "Modelo de aprendizaje automático termodinámicamente consistente para la energía de Gibbs de exceso" de Hoffmann et al.

1. Planteamiento del Problema

La predicción precisa de la energía de Gibbs molar de exceso ($g^E$) y los coeficientes de actividad derivados ($\gamma_i$) es fundamental para la ingeniería química en la modelización de equilibrios de fases (Equilibrio Vapor-Líquido - VLE, Equilibrio Líquido-Líquido - LLE) y cinética de reacciones.

• Limitaciones actuales:
  • Modelos basados en física (NRTL, UNIQUAC): Requieren extensos datos experimentales para ajustar parámetros de interacción binaria. No pueden predecir propiedades para componentes o sistemas no estudiados que carezcan de datos binarios. A menudo tienen dificultades para describir simultáneamente VLE y LLE con un único conjunto de parámetros.
  • Contribución de grupos (UNIFAC): Reduce los parámetros descomponiendo las moléculas en grupos funcionales, pero se limita a grupos pre-parametrizados y tiene dificultades con sistemas complejos (por ejemplo, líquidos iónicos) o con la descripción simultánea de VLE/LLE.
  • Química cuántica (COSMO-RS/SAC): Son computacionalmente costosos y su precisión depende en gran medida del nivel de DFT elegido.
  • Modelos de ML existentes: Muchos enfoques recientes de Redes Neuronales de Grafos (GNN) carecen de consistencia termodinámica estricta (por ejemplo, violan la ecuación de Gibbs-Duhem) o se restringen a condiciones específicas (por ejemplo, solo dilución infinita, temperatura fija o solo sistemas binarios).

El desafío central: Desarrollar un modelo de aprendizaje automático flexible que prediga $g^E$ y coeficientes de actividad para mezclas arbitrarias (incluyendo componentes no estudiados) únicamente a partir de estructuras moleculares, mientras se adhiere estrictamente a todas las leyes de consistencia termodinámica.

2. Metodología: El modelo HANNA

Los autores presentan HANNA (Arquitectura Híbrida para Actividad de Red Neuronal), un marco de aprendizaje profundo que integra leyes físicas como restricciones duras directamente en la arquitectura de la red neuronal.

A. Arquitectura y Entrada

• Entradas: Estructuras moleculares (cadenas SMILES), temperatura ($T$) y fracciones molares ($x$).
• Incrustación (Embedding): Las cadenas SMILES se procesan utilizando el modelo transformador preentrenado ChemBERTa-2 para generar incrustaciones moleculares.
• Estructura de la red: HANNA utiliza tres redes neuronales de alimentación frontal (FFNN):
  1. Red de Incrustación: Refina las incrustaciones moleculares.
  2. Red de Mezcla: Procesa las interacciones entre componentes.
  3. Red de Propiedades: Calcula los términos de interacción binaria.
• Restricciones duras: La arquitectura hace cumplir:
  • Equivarianza de permutación: El orden de salida coincide con el orden de los componentes de entrada.
  • Límite de componente puro: Los coeficientes de actividad se aproximan a 1 para componentes puros.
  • Consistencia de Gibbs-Duhem: Los coeficientes de actividad se derivan mediante diferenciación automática de la $g^E$ predicha, asegurando consistencia matemática.
  • Manejo de componentes idénticos: Una puntuación de similitud basada en funciones de base radial (RBF) agrupa componentes idénticos para asegurar que $g^E = 0$ para sustancias puras.

B. Extrapolación a Multicomponentes

Para extender los datos de entrenamiento binarios a mezclas multicomponentes sin parámetros adicionales, HANNA emplea un método de proyección geométrica (proyección de Muggianu).

• Las fracciones molares de una mezcla de $N$ componentes se proyectan sobre todos los $N(N-1)/2$ subsistemas binarios.
• La $g^E$ total se calcula como una suma ponderada de las contribuciones de los subsistemas binarios.
• Esto permite que el modelo se entrene exclusivamente con datos binarios mientras predice sistemas ternarios y cuaternarios.

C. Estrategia de Entrenamiento y Función de Pérdida

HANNA se entrena de extremo a extremo en un conjunto masivo de datos del Banco de Datos de Dortmund (DDB) que abarca 46.543 sistemas. El entrenamiento minimiza una función de pérdida compuesta ($L_{total}$):

1. Pérdidas de Datos:
   • VLE (TPXY/TPX): Predice coeficientes de actividad o presión total.
   • Dilución Infinita (ACI): Predice $\gamma^\infty$.
   • Entalpía de Exceso ($H^E$): Derivada mediante diferenciación automática de $g^E$ con respecto a la temperatura.
   • LLE (Equilibrio Líquido-Líquido): Esta es una innovación clave. Dado que LLE requiere resolver ecuaciones no lineales iterativamente (lo que rompe el flujo de gradiente), los autores desarrollaron un solver sustituto diferenciable. Este solver utiliza una red neuronal para imitar el Método del Envolvente Convexo (CEM), mapeando la energía de Gibbs de mezcla ($\Delta g_{mix}$) directamente a las composiciones de fase ($x', x''$).
2. Pérdida de Gibbs ($L_{Gibbs}$): Un término de pérdida inspirado en la física que penaliza al modelo si falla en predecir un intervalo de inmiscibilidad (es decir, si la segunda derivada de $\Delta g_{mix}$ no es negativa donde se requiere).
3. Regularización Lipschitz ($L_{Lips}$): Hace cumplir la suavidad de la función $g^E$ predicha para mejorar la robustez y las capacidades de extrapolación.

3. Contribuciones Clave

1. Consistencia Termodinámica como Restricciones Duras: HANNA es el primer modelo que integra estrictamente todas las restricciones termodinámicas relevantes (Gibbs-Duhem, límites de dilución infinita, simetría de permutación) en la arquitectura de la red en lugar de depender de penalizaciones suaves.
2. Entrenamiento LLE de Extremo a Extremo: El desarrollo de un solver sustituto diferenciable permite el entrenamiento directo de modelos de ML con datos experimentales de composición de fase LLE, una tarea previamente considerada difícil para el aprendizaje profundo debido a la necesidad de solvers iterativos.
3. Aplicabilidad Universal: A diferencia de UNIFAC, HANNA no requiere parametrización de grupos. Puede predecir propiedades para cualquier mezcla donde se conozcan las estructuras moleculares, incluidos líquidos iónicos y sistemas complejos.
4. Descripción Simultánea VLE/LLE: El modelo describe con éxito tanto los equilibrios vapor-líquido como líquido-líquido con una única parametrización, superando una limitación mayor de modelos tradicionales como UNIQUAC.
5. Código Abierto: El modelo, el código y una interfaz web interactiva (MLPROP) están disponibles públicamente.

4. Resultados

El modelo se evaluó en sistemas de prueba no vistos (retenidos durante el entrenamiento) y se comparó con UNIFAC modificado (Dortmund) y otras referencias de ML (GE-GNN, GDI-GNN, SolvGNN).

• Precisión vs. UNIFAC:
  • Sistemas Binarios: HANNA supera a UNIFAC modificado en el Error Absoluto Medio (MAE) para VLE, ACI y LLE. Cabe destacar que el MAE mediano para ACI disminuyó de 0.18 (UNIFAC) a 0.11 (HANNA).
  • Sistemas Multicomponentes: HANNA mantiene una precisión superior o comparable para mezclas ternarias.
  • Detección de LLE: HANNA identifica correctamente intervalos de inmiscibilidad en el 89% de los sistemas binarios LLE (vs. 74% para UNIFAC) y en el 98% de los sistemas ternarios LLE.
• Aplicabilidad:
  • HANNA predice con éxito propiedades para sistemas que contienen líquidos iónicos y moléculas complejas donde UNIFAC falla debido a la falta de parámetros de grupo.
  • Cubre un espacio químico más amplio, incluidos componentes no estudiados.
• Comparación con otros modelos de ML:
  • HANNA supera significativamente a otros modelos de ML (GE-GNN, SolvGNN, etc.) en precisión y aplicabilidad.
  • A diferencia de otros modelos de ML restringidos a sistemas binarios, temperaturas fijas o dilución infinita, HANNA maneja mezclas arbitrarias de $N$ componentes y la dependencia de temperatura/composición.
• Rendimiento Cualitativo: El modelo predice correctamente comportamientos de fase complejos, incluidos intervalos de inmiscibilidad de tipo isla (temperaturas críticas de solución superior e inferior) y heteroazeótropos.

5. Significado e Impacto

• Cambio de Paradigma: HANNA representa un cambio de "ajustar parámetros a datos" a "aprender leyes físicas de datos". Demuestra que las redes neuronales pueden estar restringidas para obedecer la termodinámica sin sacrificar flexibilidad.
• Utilidad Industrial: Al proporcionar predicciones precisas para sistemas no estudiados (por ejemplo, nuevos disolventes, líquidos iónicos) sin requerir nuevos ajustes experimentales, HANNA acelera el diseño de procesos, la selección de disolventes y el descubrimiento de materiales.
• Avance Metodológico: El solver sustituto para LLE y la estrategia de proyección geométrica ofrecen nuevas herramientas para integrar restricciones físicas complejas en flujos de trabajo de aprendizaje profundo.
• Perspectiva Futura: Los autores planean extender el entrenamiento a Equilibrios Sólido-Líquido (SLE) y potencialmente incorporar datos ternarios directamente para refinar el método de proyección.

En resumen, HANNA establece un nuevo estado del arte para la termodinámica predictiva, combinando el poder de generalización del aprendizaje profundo con la consistencia rigurosa de las leyes físicas, superando estándares industriales de décadas anteriores mientras ofrece una aplicabilidad más amplia.