南京工业大学高如星副教授/张春冬教授：用于离子液体设计与筛选的机器学习结构-性质建模——最新研究综述

本文是一篇关于机器学习在离子液体设计与筛选中应用的研究综述。背景方面，随着可持续发展需求增长，离子液体作为一种可设计的绿色溶剂，在多个领域潜力巨大，但其庞大的化学空间使得传统筛选方法效率低下。研究目的旨在系统梳理机器学习方法在构建离子液体结构-性质关系模型中的应用进展，对比不同算法的性能，并探讨其在毒性、粘度、CO₂溶解度等关键性质预测中的实践。结论指出，机器学习方法展现出广阔前景，能显著加速离子液体的开发，但需应对模型选择、可解释性及多目标优化等挑战，以推动其作为可持续溶剂的实际应用。