一种基于条件变分自编码器的离子液体的设计方法及其应用

本申请涉及机器学习技术领域，尤其涉及一种基于条件变分自编码器的离子液体的设计方法及其应用。所述设计方法包括：收集数据构建阴阳离子训练集；训练阴阳离子评分器并计算类离子液体概率，经归一化建立条件映射；构建LSTM‑CVAE模型，将条件注入编解码器训练，定向采样生成新SMILES，经电荷平衡与有效性校验构建离子液体候选库；针对熔点、降解性、细胞及生态毒性构建最优预测模型，多目标联合筛选；经过SHAP分析识别关键结构驱动因素，完成定向设计。该设计方法通过条件引导生成+多维度精准预测+可解释反馈优化的闭环技术架构，提升了离子液体定向设计的效率、成功率、生物相容性与精准性。