科教融合导向下的本科化学实验设计——基于机器学习预测分子偶极矩的探索

引用本文: 刘国魁, 李丽, 杨一凡, 韦瑶瑶, 夏其英. 科教融合导向下的本科化学实验设计——基于机器学习预测分子偶极矩的探索[J]. 大学化学, 2026, 41(10): 370-378. doi: 10.12461/PKU.DXHX202510100 shu

Citation: Guokui Liu, Li Li, Yifan Yang, Yaoyao Wei, Qiying Xia. 科教融合导向下的本科化学实验设计——基于机器学习预测分子偶极矩的探索[J]. University Chemistry, 2026, 41(10): 370-378. doi: 10.12461/PKU.DXHX202510100 shu

科教融合导向下的本科化学实验设计——基于机器学习预测分子偶极矩的探索

刘国魁 ^1, ,
李丽 ^2, ,
杨一凡 ^1, ,
韦瑶瑶 ^{1,
,} ,
夏其英 ^{1,
,}

1.
临沂大学化学化工学院, 山东临沂 276000;
2.
东北林业大学化学化工与资源利用学院, 黑龙江哈尔滨 150040

通讯作者: 韦瑶瑶,E-mail:weiyaoyao@lyu.edu.cn; 夏其英,E-mail:xiaqiying@lyu.edu.cn

基金项目:
临沂大学2023年实验教学改革与实验技术研究项目(SYJG2023Z06, SYJG2023M21)；临沂大学2024年校级本科教学改革研究项目(JG2024M24)；山东省研究生优质课程《量子化学》(SDYKC2024181)；临沂大学思政示范课程《量子化学》(SZKC23004)；2022年山东省本科教改项目(Z2022132)

摘要: 针对机器学习的飞速发展及其在各学科教学科研领域的重要应用，本文将机器学习融入物理化学中一个经典的实验“偶极矩的测定”。实验以正丁醇为模型分子，学生不仅要完成量子化学计算中的结构优化、势能面扫描和偶极矩计算，而且要进一步利用生成的量子化学数据集训练机器学习模型，实现对正丁醇偶极矩的快速准确预测。通过本实验，可以有效衔接本科教学与科研前沿，为学生普及机器学习这一强大工具，培养学生面向未来、跨学科的研究能力。

关键词:

机器学习
/ 偶极矩
/ 计算化学
/ XGBoost

English

科教融合导向下的本科化学实验设计——基于机器学习预测分子偶极矩的探索

Guokui Liu ^1, ,
Li Li ^2, ,
Yifan Yang ^1, ,
Yaoyao Wei ^{1,
,} ,
Qiying Xia ^{1,
,}

1.
School of Chemistry and Chemical Engineering, Linyi University, Linyi 276000, Shandong Province, China;
2.
College of Chemistry, Chemical Engineering and Resource Utilization, Northeast Forestry University, Harbin 150040, Heilongjiang Province, China

Corresponding author: Yaoyao Wei, ; Qiying Xia,

Received Date: 28 October 2025
Accepted Date: 26 November 2025
Available Online: 18 December 2025

Abstract: 针对机器学习的飞速发展及其在各学科教学科研领域的重要应用，本文将机器学习融入物理化学中一个经典的实验“偶极矩的测定”。实验以正丁醇为模型分子，学生不仅要完成量子化学计算中的结构优化、势能面扫描和偶极矩计算，而且要进一步利用生成的量子化学数据集训练机器学习模型，实现对正丁醇偶极矩的快速准确预测。通过本实验，可以有效衔接本科教学与科研前沿，为学生普及机器学习这一强大工具，培养学生面向未来、跨学科的研究能力。

Key words:

1. [1]
  孙承谔. 化学通报, 1957, No. 5, 1.
2. [2]
  諸洵治. 化学通报, 1965, No. 11, 56.
3. [3]
  王成瑞. 化学通报, 1981, No. 1, 5.
4. [4]
  常光洁, 贾玉珍. 化学教育, 1984, 5(2), 36.
5. [5]
  王骊, 赵洁. 大学化学, 1987, 2(6), 36.
6. [6]
  何玉萼, 李浩钧, 罗开容. 化学通报, 1989, No. 4, 54.
7. [7]
  李瑞英, 陈六平, 余小岚. 中山大学学报论丛, 2003, 23(3), 26.
8. [8]
  王亚琴, 吴世彪, 徐玲, 陈艳. 合肥师范学院学报, 2011, 29(3), 80.
9. [9]
  许文华, 岳可芬, 马洁, 张萍. 大学化学, 2022, 37(7), 241.
10. [10]
  张岩, 周立敏, 高先池, 李苓. 山东化工, 2022, 51(2), 187.
11. [11]
  张恒, 马莹, 苑世领. 大学化学, 2026, 41(1), 346.
12. [12]
  林猛, 张恒, 苑世领. 大学化学, 2025, 40(4), 189.
13. [13]
  刘柳斜, 何婧, 杜嘉丽, 毛双, 李强根. 大学化学, 2025, 40(3), 363.
14. [14]
  杨一莹, 张冬菊. 大学化学, 2024, 39(3), 327.
15. [15]
  黄职钱, 杨一莹, 马玉臣, 张冬菊. 大学化学, 2022, 37(7), 2108001.
16. [16]
  M.J. Frisch, G.W. Trucks, H.B. Schlegel, G.E. Scuseria, M.A. Robb, J.R. Cheeseman, G. Scalmani, V. Barone, B. Mennucci, G.A. Petersson, et. al., Gaussian 09, Revision D.01; Gaussian, Inc.: Wallingford CT, USA, 2013.M.J. Frisch, G.W. Trucks, H.B. Schlegel, G.E. Scuseria, M.A. Robb, J.R. Cheeseman, G. Scalmani, V. Barone, B. Mennucci, G.A. Petersson, et. al., Gaussian 09, Revision D.01; Gaussian, Inc.: Wallingford CT, USA, 2013.
17. [17]
  R. Dennington, T. Keith, J. Millam, GaussView, Version 5; Semichem Inc.: Shawnee Mission, KS, USA, 2009.R. Dennington, T. Keith, J. Millam, GaussView, Version 5; Semichem Inc.: Shawnee Mission, KS, USA, 2009.
18. [18]
  Anaconda, Inc. (2025). Anaconda Distribution (Version 25.7.0) [Computer software]. Anaconda, Inc. https://www.anaconda.com/Anaconda, Inc. (2025). Anaconda Distribution (Version 25.7.0) [Computer software]. Anaconda, Inc. https://www.anaconda.com/
19. [19]
  R.D. LNelson Jr., D.R. Lide Jr., A.A. Maryott, Selected Values of Electric Dipole Moments for Molecules in The Gas Phase, Government Printing Office: Washington, DC, USA, 1967.R.D. LNelson Jr., D.R. Lide Jr., A.A. Maryott, Selected Values of Electric Dipole Moments for Molecules in The Gas Phase, Government Printing Office: Washington, DC, USA, 1967.
20. [20]
  M.N. Vo, M. Call, C. Kowall, J.K. Johnson, Ind. Eng. Chem. Res. 2019, 58(41), 19263.M.N. Vo, M. Call, C. Kowall, J.K. Johnson, Ind. Eng. Chem. Res. 2019, 58(41), 19263.

扫一扫看文章

计量

PDF下载量: 0
文章访问数: 108
HTML全文浏览量: 9

通讯作者: 陈斌, bchen63@163.com

1.
沈阳化工大学材料科学与工程学院沈阳 110142

科教融合导向下的本科化学实验设计——基于机器学习预测分子偶极矩的探索

通讯作者: 韦瑶瑶,E-mail:weiyaoyao@lyu.edu.cn; 夏其英,E-mail:xiaqiying@lyu.edu.cn

English

科教融合导向下的本科化学实验设计——基于机器学习预测分子偶极矩的探索

Corresponding author: Yaoyao Wei, ; Qiying Xia,

CCS Chemistry：嵌段共聚物自组装成 “三明治”二维有机材料，实现纳米级压力传感功能

CCS Chemistry：颜徐州、鲍哲南：你的皮肤可能是一片SPMs

CCS Chemistry：工作高效不疲劳，只须让催化剂动起来

CCS Chemistry：静电组装导向聚合- 聚电解质纳米凝胶量化制备新策略

CCS Chemistry：金黄色葡萄球菌醛基脱氢酶是如何识别特异性底物的？

计量

通讯作者: 陈斌, bchen63@163.com

中国化学会秘书处

科教融合导向下的本科化学实验设计——基于机器学习预测分子偶极矩的探索

通讯作者: 韦瑶瑶,E-mail:weiyaoyao@lyu.edu.cn; 夏其英,E-mail:xiaqiying@lyu.edu.cn

English

科教融合导向下的本科化学实验设计——基于机器学习预测分子偶极矩的探索

Corresponding author: Yaoyao Wei, ; Qiying Xia,

CCS Chemistry：嵌段共聚物自组装成 “三明治”二维有机材料，实现纳米级压力传感功能

CCS Chemistry：颜徐州、鲍哲南： 你的皮肤可能是一片SPMs

CCS Chemistry：工作高效不疲劳，只须让催化剂动起来

CCS Chemistry：静电组装导向聚合- 聚电解质纳米凝胶量化制备新策略

CCS Chemistry：金黄色葡萄球菌醛基脱氢酶是如何识别特异性底物的？

计量

文章相关

通讯作者: 陈斌, bchen63@163.com

中国化学会秘书处

CCS Chemistry：颜徐州、鲍哲南：你的皮肤可能是一片SPMs