Uncovering sustainable personal care ingredient combinations using scientific modelling

该研究提出了一种利用预测建模和基于模拟的数字服务来推荐天然成分组合以替代受法规限制且不可生物降解的合成个人护理成分的创新方法，旨在帮助配方师在满足可持续性要求的同时不牺牲产品性能与成本。

要点

这篇论文讲述了一个关于**“如何在个人护理产品（如洗发水、面霜）中，用天然成分完美替代合成成分”**的故事。

为了让你更容易理解，我们可以把这篇论文想象成**“一位拥有超级大脑的配方师，正在玩一场高难度的‘找替身’游戏”**。

1. 背景：为什么需要“找替身”？

想象一下，你正在开一家化妆品公司。以前，你的产品里有很多“超级明星”成分，比如硅油（让头发顺滑、皮肤丝滑）和矿物油。它们效果极好，但有两个大问题：

• 环保问题：它们像塑料一样，很难在自然界分解，甚至被欧盟禁止使用了（就像某些一次性塑料被禁一样）。
• 消费者压力：现在的顾客越来越聪明，他们想要“纯天然”的产品，但又不想牺牲那种“丝滑”的使用感。

现在的困境是：
配方师（负责调配产品的人）就像是在**“大海捞针”**。他们需要在成千上万种天然成分中，找到一种或几种混合起来，能完美模仿那些被禁用的合成成分的效果。

• 传统方法：靠经验猜，然后做实验。今天试这个，明天试那个。这就像蒙着眼睛在迷宫里乱撞，既费钱又费时间，而且很容易错过最好的方案。

2. 解决方案：给配方师装上“超级导航”

这篇论文介绍了一种**“数字魔法”（科学建模和人工智能）。BASF（巴斯夫）公司开发了一套“模拟器”，就像给配方师装了一个“超级导航仪”**。

这个导航仪的工作原理可以这样理解：

• 拆解与重组（像乐高积木）：
  传统的合成成分（如硅油）是一个整体。天然成分（如植物油、糖衍生物）是散落的积木块。
  这个“超级导航”知道每一块积木（天然成分）的**“性格”（比如：它是油腻的还是清爽的？它是挥发得快的还是持久的？）。
  它通过数学公式，计算出：“如果把 A 积木（30%）+ B 积木（50%）+ C 积木（20%）拼在一起，能不能完美复刻出那个被禁用的硅油积木的效果？”**

• 去伪存真（过滤噪音）：
  做实验时，数据会有误差（比如今天天气热，测出来的粘度不一样）。这个模型像一位经验丰富的老侦探，它能忽略那些偶然的“噪音”（天气、人为误差），只抓住真正的“信号”（成分本身的特性），从而做出最准确的预测。

• 人工智能（AI）的直觉：
  对于特别复杂的情况（比如整个洗发水的配方），简单的数学不够用了。这时候，AI就登场了。它像是一个看过无数本食谱的超级大厨，通过机器学习，它能瞬间从海量数据中“悟”出最佳搭配，而不是像人类那样需要慢慢试错。

3. 实战演练：他们找到了什么？

论文中展示了三个具体的“找替身”成功案例，就像三个精彩的魔术表演：

• 案例一：替代“挥发性硅油”（D5）

  • 挑战：D5 是一种让卸妆油清爽、不油腻的硅油，现在被禁了。
  • 结果：模拟器推荐了一种由三种天然植物油混合的“鸡尾酒”。
  • 效果：顾客用这款天然卸妆油时，感觉和用原来的含硅油产品一模一样，连卸妆能力都完全达标。

• 案例二：替代“普通硅油”（Dimethicone）

  • 挑战：这种硅油常用于面霜，提供顺滑感，还能防止起泡。
  • 结果：模拟器找到了一种天然混合物，不仅摸起来顺滑，甚至连“防起泡”这个隐藏技能都完美继承了。
  • 比喻：这就像是用天然材料造出了一辆和法拉利跑得一样快、坐起来一样舒服的车，而且不用烧汽油。

• 案例三：替代“合成表面活性剂”（洗发水起泡剂）

  • 挑战：洗发水里的起泡剂通常是合成的，不够天然。
  • 结果：模拟器推荐了一种由“糖苷”和“氨基酸”组成的天然混合剂。
  • 效果：洗出来的泡沫丰富、弹性好，和原来的合成产品难分伯仲。

4. 总结：这对我们意味着什么？

这篇论文的核心思想是：用“计算”代替“盲目试错”。

• 以前：配方师像是一个在黑暗中摸索的工匠，需要花几个月甚至几年才能找到一个好配方。
• 现在：有了这个“数字模拟器”，配方师就像拿着一张藏宝图。他们可以直接去挖掘那些“最有可能成功”的天然宝藏，把时间花在最后的验证上，而不是浪费在无效的尝试上。

最终目标：
让未来的洗发水、面霜、护肤品，既能100% 天然环保，又能保持顶级的使用体验，而且开发速度更快、成本更低。这不仅是技术的胜利，更是我们对地球和消费者承诺的兑现。

简单来说，这就是用“超级大脑”帮我们在大自然的宝库中，精准地找到了那些能替代化学合成品的“完美替身”。

技术摘要

利用科学建模挖掘可持续个人护理成分组合：技术摘要

本文介绍了一种由巴斯夫（BASF）个人护理与营养部门开发的创新方法，旨在通过预测建模和基于模拟的数字服务，解决个人护理行业面临的重大挑战：如何在保持性能不妥协的前提下，快速找到合成成分（如硅油、矿物油、合成表面活性剂）的天然替代品。

以下是该论文的详细技术总结：

1. 问题背景 (Problem Statement)

• 行业痛点：个人护理行业每年推出超过 15 万种新产品，但面临巨大的可持续性压力。消费者偏好天然成分，同时法规日益严格（例如欧盟计划于 2027 年 6 月前全面禁止在 rinse-off 和 leave-on 化妆品中使用 D4、D5、D6 等环硅氧烷）。
• 传统方法的局限：传统的配方师通常依赖经验和“试错法”（Trial-and-error）寻找替代品。这种方法耗时、昂贵，且容易遗漏潜在的优质天然解决方案（即“大海捞针”问题）。
• 核心挑战：需要在极短的时间内，找到既能满足感官和理化性能（如肤感、泡沫、粘度），又能符合成本效益和天然来源要求的成分组合。

2. 方法论 (Methodology)

该研究提出了一套分层建模策略，结合统计学、数学优化和机器学习，分为三个主要层次：

A. 基础数据建模与去噪

• 信号与噪声分离：基于公式 $prop = prop_{signal} + prop_{noise}$，将测量数据（如感官评估或仪器读数）分解为本质信号（固定属性）和随机噪声（实验误差、环境因素等）。
• 模型目标：构建最简单的模型以在未见数据上获得高分，防止过拟合（Overfitting），即避免模型错误地拟合噪声而非信号。

B. 简单数学建模与混合优化 (Simple Mathematical Modelling)

• 混合模型：针对单一成分（如乳化剂或表面活性剂）的理化性质（极性、粘度、表面张力等）和感官属性（粉感、蜡感、硅感等），建立混合物的预测模型：
  $$prop_{mix} = f(x_n, prop_n)$$
  其中 $x_n$ 为组分比例，$f$ 为多项式、指数或对数函数。该模型在测试数据上的准确率超过 95%。
• 目标优化：将寻找替代品转化为数学优化问题（最小二乘法），通过最小化基准成分（如 D5 硅油）与天然混合物之间的误差 $\Delta$，计算出最佳组分及其比例：
  $$\Delta = |prop_{benchmark} - prop_{mix}|^2$$
• 工具开发：开发了**“乳化剂模拟器” (Emollient Simulator)** 和**“表面活性剂模拟器” (Surfactant Simulator)**，用于自动搜索最佳天然替代组合。

C. 机器学习建模 (Machine Learning)

• 复杂配方预测：对于涉及多种成分相互作用的复杂配方问题（如稳定性、整体感官），简单的数学模型不足以描述。
• 算法应用：使用 Python 构建机器学习模型（$f_{ML}$），包括标准回归模型和先进的图神经网络 (Graph Neural Networks, GNN)。
• 启发式策略：模仿人类大脑的“启发式”（Heuristics）决策机制，通过计算捷径提供近似但正确的解决方案，而非消耗巨大算力的绝对精确解，以平衡效率与准确性。

3. 关键成果与案例研究 (Key Contributions & Results)

研究通过三个具体案例验证了该方法的有效性：

案例一：环硅氧烷 (D5) 的天然替代

• 挑战：D5 广泛用于卸妆产品，具有优异的挥发性和肤感，但面临禁用风险。
• 解决方案：乳化剂模拟器推荐了一种三元混合物：椰油酰基/辛酸甘油酯 (Coco-caprylate/caprate) : 十一烷/十三烷 (Undecane/Tridecane) : 二辛基醚 (Dicaprylyl ether)，优化比例为 1:2:1。
• 结果：该天然混合物在理化性质和单体感官属性上与 D5 高度吻合。在简易卸妆配方中，其清洁力和彩妆（睫毛膏、口红、粉底）去除性能与含 D5 的基准配方相当，感官评分无显著差异。

案例二：聚二甲基硅氧烷 (Dimethicone) 的天然替代

• 挑战：硅油（如 5 cSt 粘度）提供丝滑肤感并作为消泡剂。
• 解决方案：针对 5 cSt 硅油，模拟器推荐了 二辛基碳酸酯 : 二辛基醚 : 十一烷/十三烷 的三元混合物（比例 1.7:3.2:1）。
• 结果：
  • 在护肤精华液中，天然混合物在理化性质和感官体验上与含硅油配方高度一致。
  • 关键突破：解决了无硅配方中常见的“起泡”问题（通常由脂肪酸醇或黄原胶引起）。该天然替代方案在配方中未产生不良泡沫，实现了真正的“无硅”且性能优越。

案例三：合成表面活性剂 ($\alpha$-烯烃磺酸盐) 的天然替代

• 挑战：$\alpha$-烯烃磺酸盐是合成阴离子表面活性剂，常与甜菜碱复配用于洗发水，但缺乏天然来源。
• 解决方案：表面活性剂模拟器推荐了 月桂基葡糖苷 (Lauryl Glucoside) 与 谷氨酸钠 (Sodium Cocoyl Glutamate) 的混合物，活性物比例为 1:1。
• 结果：该天然混合物在起泡性、泡沫形成及泡沫弹性系数方面，与传统的合成表面活性剂混合物（$\alpha$-烯烃磺酸盐 + 甜菜碱）表现非常接近，且完全符合非硫酸盐、非乙氧基化（Non-sulfated & Non-EO based）的天然标准。

4. 意义与影响 (Significance)

• 加速研发：将原本需要数月甚至数年的“试错”过程缩短为数字模拟筛选，显著降低了研发成本和时间。
• 性能保障：证明了基于数字孪生和 AI 预测的天然替代品，在感官和功能性上可以完全媲美甚至替代传统合成成分，消除了“天然=低性能”的顾虑。
• 合规与可持续性：为行业提供了应对欧盟 REACH 法规（如 D4/D5/D6 禁令）的现成解决方案，推动了个人护理产品向真正可持续、天然来源的转型。
• 可扩展性：该方法不仅适用于硅油和特定表面活性剂，还可扩展至矿物油、异十二烷、异十六烷、角鲨烷以及多种其他合成表面活性剂（如 SLES、牛磺酸盐等）的替代研究。

总结

该论文展示了一种从“经验驱动”向“数据驱动”转型的个人护理配方开发新模式。通过结合物理化学原理、统计优化和人工智能，BASF 成功构建了一个数字平台，能够高效、精准地挖掘出高性能的天然成分组合，为个人护理行业的绿色可持续发展提供了强有力的技术支撑。