推理速度快50倍，MIT团队提出FASTSOLV模型，实现任意温度下的小分子溶解度预测

麻省理工学院研究团队结合化学信息学工具与全新有机溶解度数据库 BigSolDB，在 FASTPROP 与 CHEMPROP 模型架构的基础上进行了改进，使模型能 够同时输入溶质分子、溶剂分子及温度参数，直接对 logS 进行回归训练。在严格的溶质外推场景下，相较 Vermeire 等人的 SOTA 模型，优化后模型的 RMSE 降低了 2–3 倍；同时，架构相对简洁，推理速度提升最高达 50 倍。 在化学与材料科学领域，有机固体在不同溶剂中的溶解度是一项核心分子性质，其影响贯穿科研与产业全链条。对于合成工艺而言，精准掌握溶解度不仅 有助于筛选最优溶剂、优化反应条件，还能显著提升产物产率与纯度，降低生产成本；在环境科学中，它是解析全氟及多氟烷基物质（PFAS）等污染物 在土壤与水体中迁移归趋的关键参数，为污染防控与治理提供科学依据；而在结晶、膜分离等工艺中，溶解度更是决定相行为与分离效率的核心变量。 然而，传统实验测定方法存在诸多局限：不仅耗时耗材，还容易受到有机固体晶型与杂质等因素干扰，导致数据准确性不足。据研究，水溶解度 logS 的 跨实验室标准差常达 0.5–0.7 log 单位，极端情况下测定结果差异 ...