Thermodynamically consistent machine learning model for excess Gibbs energy

1. Declaração do Problema

A previsão precisa da energia molar de Gibbs em excesso ($g^E$) e dos coeficientes de atividade derivados ($\gamma_i$) é fundamental para a engenharia química na modelagem de equilíbrios de fases (Equilíbrio Vapor-Líquido - VLE, Equilíbrio Líquido-Líquido - LLE) e cinética de reações.

• Limitações Atuais:
  • Modelos baseados em física (NRTL, UNIQUAC): Requerem extensos dados experimentais para ajustar parâmetros de interação binária. Não conseguem prever propriedades para componentes ou sistemas não estudados que carecem de dados binários. Frequentemente, têm dificuldade em descrever simultaneamente VLE e LLE com um único conjunto de parâmetros.
  • Contribuição de Grupos (UNIFAC): Reduz parâmetros decompondo moléculas em grupos funcionais, mas limita-se a grupos pré-parametrizados e enfrenta dificuldades com sistemas complexos (ex.: líquidos iônicos) ou descrição simultânea de VLE/LLE.
  • Química Quântica (COSMO-RS/SAC): Computacionalmente dispendioso e a precisão depende fortemente do nível de DFT escolhido.
  • Modelos de ML Existentes: Muitas abordagens recentes de Redes Neurais de Grafos (GNN) carecem de consistência termodinâmica estrita (ex.: violando a equação de Gibbs-Duhem) ou restringem-se a condições específicas (ex.: apenas diluição infinita, temperatura fixa ou apenas sistemas binários).

O Desafio Central: Desenvolver um modelo de aprendizado de máquina flexível que preveja $g^E$ e coeficientes de atividade para misturas arbitrárias (incluindo componentes não estudados) exclusivamente a partir de estruturas moleculares, aderindo estritamente a todas as leis de consistência termodinâmica.

2. Metodologia: O Modelo HANNA

Os autores introduzem o HANNA (Hybrid Architecture for Neural Network Activity), um framework de aprendizado profundo que integra leis físicas como restrições rígidas diretamente na arquitetura da rede neural.

A. Arquitetura e Entrada

• Entradas: Estruturas moleculares (strings SMILES), temperatura ($T$) e frações molares ($x$).
• Embedding: Strings SMILES são processadas usando o modelo transformer pré-treinado ChemBERTa-2 para gerar embeddings moleculares.
• Estrutura da Rede: O HANNA utiliza três redes neurais feed-forward (FFNNs):
  1. Rede de Embedding: Refina os embeddings moleculares.
  2. Rede de Mistura: Processa interações entre componentes.
  3. Rede de Propriedades: Calcula termos de interação binária.
• Restrições Rígidas: A arquitetura impõe:
  • Equivariância de Permutação: A ordem de saída corresponde à ordem de entrada dos componentes.
  • Limite de Componente Puro: Os coeficientes de atividade tendem a 1 para componentes puros.
  • Consistência de Gibbs-Duhem: Os coeficientes de atividade são derivados via diferenciação automática da $g^E$ prevista, garantindo consistência matemática.
  • Tratamento de Componentes Idênticos: Uma pontuação de similaridade de função de base radial (RBF) agrupa componentes idênticos para garantir $g^E = 0$ para substâncias puras.

B. Extrapolacão para Múltiplos Componentes

Para estender dados de treinamento binários para misturas multicomponentes sem parâmetros adicionais, o HANNA emprega um método de projeção geométrica (projeção de Muggianu).

• As frações molares de uma mistura de $N$ componentes são projetadas em todos os $N(N-1)/2$ subsistemas binários.
• A $g^E$ total é calculada como uma soma ponderada das contribuições dos subsistemas binários.
• Isso permite que o modelo seja treinado exclusivamente em dados binários enquanto prevê sistemas ternários e quaternários.

C. Estratégia de Treinamento e Função de Perda

O HANNA é treinado de ponta a ponta em um conjunto massivo de dados do Banco de Dados Dortmund (DDB) cobrindo 46.543 sistemas. O treinamento minimiza uma função de perda composta ($L_{total}$):

1. Perdas de Dados:
   • VLE (TPXY/TPX): Prevê coeficientes de atividade ou pressão total.
   • Diluição Infinita (ACI): Prevê $\gamma^\infty$.
   • Entalpia em Excesso ($H^E$): Derivada via diferenciação automática de $g^E$ em relação à temperatura.
   • LLE (Equilíbrio Líquido-Líquido): Esta é uma inovação chave. Como o LLE requer a resolução iterativa de equações não lineares (o que quebra o fluxo de gradiente), os autores desenvolveram um solver substituto diferenciável. Este solver usa uma rede neural para imitar o Método do Envelope Convexo (CEM), mapeando a energia de Gibbs de mistura ($\Delta g_{mix}$) diretamente para as composições de fase ($x', x''$).
2. Perda de Gibbs ($L_{Gibbs}$): Um termo de perda inspirado na física que penaliza o modelo se ele falhar em prever uma lacuna de miscibilidade (ou seja, se a segunda derivada de $\Delta g_{mix}$ não for negativa onde requerido).
3. Regularização Lipschitz ($L_{Lips}$): Impõe suavidade à função $g^E$ prevista para melhorar a robustez e as capacidades de extrapolação.

3. Contribuições Principais

1. Consistência Termodinâmica como Restrições Rígidas: O HANNA é o primeiro modelo a incorporar estritamente todas as restrições termodinâmicas relevantes (Gibbs-Duhem, limites de diluição infinita, simetria de permutação) na arquitetura da rede, em vez de depender de penalidades suaves.
2. Treinamento End-to-End de LLE: O desenvolvimento de um solver substituto diferenciável permite o treinamento direto de modelos de ML em dados experimentais de composição de fase de LLE, uma tarefa anteriormente considerada difícil para aprendizado profundo devido à necessidade de solvers iterativos.
3. Aplicabilidade Universal: Diferentemente do UNIFAC, o HANNA não requer parametrização de grupos. Pode prever propriedades para qualquer mistura onde as estruturas moleculares são conhecidas, incluindo líquidos iônicos e sistemas complexos.
4. Descrição Simultânea de VLE/LLE: O modelo descreve com sucesso tanto equilíbrios vapor-líquido quanto líquido-líquido com uma única parametrização, superando uma limitação majoritária de modelos tradicionais como o UNIQUAC.
5. Código Aberto: O modelo, o código e uma interface web interativa (MLPROP) estão publicamente disponíveis.

4. Resultados

O modelo foi avaliado em sistemas de teste não vistos (retidos durante o treinamento) e comparado contra UNIFAC modificado (Dortmund) e outros benchmarks de ML (GE-GNN, GDI-GNN, SolvGNN).

• Precisão vs. UNIFAC:
  • Sistemas Binários: O HANNA supera o UNIFAC modificado no Erro Absoluto Médio (MAE) para VLE, ACI e LLE. Notavelmente, o MAE mediano para ACI caiu de 0,18 (UNIFAC) para 0,11 (HANNA).
  • Sistemas Multicomponentes: O HANNA mantém precisão superior ou comparável para misturas ternárias.
  • Detecção de LLE: O HANNA identifica corretamente lacunas de miscibilidade em 89% dos sistemas binários de LLE (vs. 74% para UNIFAC) e 98% dos sistemas ternários de LLE.
• Aplicabilidade:
  • O HANNA prevê com sucesso propriedades para sistemas contendo líquidos iônicos e moléculas complexas onde o UNIFAC falha devido à falta de parâmetros de grupo.
  • Cobre um espaço químico mais amplo, incluindo componentes não estudados.
• Comparação com outros modelos de ML:
  • O HANNA supera significativamente outros modelos de ML (GE-GNN, SolvGNN, etc.) em precisão e aplicabilidade.
  • Diferentemente de outros modelos de ML restritos a sistemas binários, temperaturas fixas ou diluição infinita, o HANNA lida com misturas arbitrárias de $N$ componentes e dependência de temperatura/composição.
• Desempenho Qualitativo: O modelo prevê corretamente comportamentos de fase complexos, incluindo lacunas de miscibilidade do tipo ilha (temperaturas críticas de solução superior e inferior) e heteroazeótropos.

5. Significado e Impacto

• Mudança de Paradigma: O HANNA representa uma transição de "ajustar parâmetros aos dados" para "aprender leis físicas a partir dos dados". Demonstra que redes neurais podem ser restringidas a obedecer à termodinâmica sem sacrificar flexibilidade.
• Utilidade Industrial: Ao fornecer previsões precisas para sistemas não estudados (ex.: novos solventes, líquidos iônicos) sem exigir novo ajuste experimental, o HANNA acelera o projeto de processos, seleção de solventes e descoberta de materiais.
• Avanço Metodológico: O solver substituto para LLE e a estratégia de projeção geométrica oferecem novas ferramentas para integrar restrições físicas complexas em fluxos de trabalho de aprendizado profundo.
• Perspectiva Futura: Os autores planejam estender o treinamento para Equilíbrio Sólido-Líquido (SLE) e potencialmente incorporar dados ternários diretamente para refinar o método de projeção.

Em resumo, o HANNA estabelece um novo estado da arte para termodinâmica preditiva, combinando o poder de generalização do aprendizado profundo com a consistência rigorosa das leis físicas, superando padrões industriais de décadas enquanto oferece aplicabilidade mais ampla.