基于主动学习与分子动力学的微乳液界面张力高效预测方法及系统

本发明公开了一种基于主动学习与分子动力学的微乳液界面张力高效预测方法及系统。本发明采用RDKit软件包对每个分子结构计算其对应的217种分子描述符，以描述符表征分子结构特征，作为机器学习模型的输入变量，从而传递包括分子支化度、极性等关键结构信息。针对“油‑水‑表面活性剂”三元界面体系，通过分子动力学模拟计算表面活性剂存在条件下的油水界面张力，并将IFT值设定为模型预测目标。引入主动学习机制，指导分子动力学模拟过程中的迭代式样本标注；将所获得的IFT数据与分子描述符特征整合，构建机器学习数据集，训练随机森林模型。本发明能够解决中相微乳液体系筛选高性能表面活性剂层难题，实现快速高效筛选出超低油水界面张力。