Surface Tension Predictor

Surface Tension Predictor

该 skill 用于根据分子的 SMILES 输出与 surfactant（表面活性剂）任务相关 的表面张力参考预测结果。

核心定位

本 skill 当前的定位是：

• 一个 工程上可运行 的表面张力相关预测 skill
• 一个支持 OpenClaw 调用 的结构-性质预测组件
• 一个包含：
• baseline 启发式工程基线
• public_joblib 公开 surfactant 模型参考后端

的双后端实现

重要说明：

本 skill 当前不应被解释为：

• 通用小分子纯液体表面张力预测器
• 任意温度下真实表面张力预测模型
• 已完成科学验证的最终正式模型

其中，public_joblib 后端更准确的理解应为：

• 公开 surfactant 任务相关模型的接入与参考推理后端
• 输出值主要用于：
• 公开模型接入验证
• 工程联调
• 与 baseline 对照
• 在相近任务设定下做参考输出

---

适用场景

当用户有以下需求时，适合调用本 skill：

• 希望基于 SMILES 获得一个表面张力相关参考值
• 希望比较多个分子在当前模型下的相对输出差异
• 希望测试某个分子在 surfactant 相关公开模型上的推理结果
• 希望验证 OpenClaw 中表面张力相关 skill 的联调链路
• 希望对比 baseline 与 public_joblib 的输出差异
• 希望把表面张力相关预测能力接入本地化工作流

---

不建议的使用方式

以下场景下，不应直接把当前结果解释为真实物性结论：

• 将 public_joblib 输出直接视为普通小分子纯液体的真实表面张力
• 将结果用于声称“任意温度下的表面张力预测”
• 将当前输出当作已完成严格实验校准的最终数值
• 对明显不属于 surfactant 任务分布的分子做过强解释

---

当前支持的后端

本 skill 当前支持两个后端：

1）baseline

用途

• 本地基线预测
• 工程联调
• 轻量、本地、低依赖运行
• 在无公开模型环境下给出一个可返回结果

原理

• RDKit 解析分子
• 计算少量二维分子描述符
• 使用启发式经验公式得到估算值

特点

• 本地稳定可跑
• 适合作为工程基线
• 不依赖公开模型文件
• 更适合联调、快速测试和占位输出

局限

• 不属于正式训练模型
• 预测值是启发式工程估算
• 不应过度解释其物理意义

---

2）public_joblib

用途

• 接入公开训练模型
• 验证公开模型推理链路
• 作为与 baseline 对照的参考后端
• 提供 surfactant 任务相关的表面张力参考输出

原理

• RDKit 解析分子
• 计算 Mordred 描述符
• 根据 linear_SurfaceTension.joblib_parameters 提取并排序特征
• 使用 linear_SurfaceTension.joblib 中的预测器对象进行预测

当前已确认

• 预测器对象类型为 PLSRegression
• 特征维度为 130
• 已在本地推理成功
• 部分分子会出现一定数量的缺失描述符
• 当前实现已对齐上游 properties_prediction.py 的核心推理逻辑

更准确的语义

public_joblib 后端当前应理解为：

• 公开 surfactant 模型的接入版
• 参考后端
• 不是通用纯液体小分子表面张力最终模型

---

输入形式

本 skill 当前支持以下输入形式：

• 单个 SMILES 字符串
• 分子名称 + SMILES
• 可扩展为批量 JSON 输入（若脚本实现中已支持）

推荐输入字段：

• smiles
• 可选 name

若脚本版本已支持，也可接收：

• temperature_c

但需要注意：

• 当前 public_joblib 后端即使接收温度参数，也不代表实际使用温度参与预测
• 因此不能把结果解释为温度显式建模结果

---

输出字段

主要输出字段

• surface_tension_prediction

如果当前实现中已加入更保守的语义字段，还可能包括：

• surface_tension_reference_prediction

通用字段

• unit
• model_source
• canonical_smiles
• status

baseline 后端常见附加字段

• descriptor_summary
• 或其他基础描述符字段

public_joblib 后端常见附加字段

• model_path
• params_path
• feature_count
• missing_feature_count
• missing_feature_ratio
• missing_features
• loaded_object_summary
• params_summary
• predictor_type
• preprocess_style
• applicability_warning
• domain_risk_level

---

结果解释建议

baseline 结果

更适合解释为：

• 工程启发式基线输出
• 快速粗略估算值
• 用于本地联调与占位参考

public_joblib 结果

更适合解释为：

• 公开 surfactant 任务模型下的参考输出
• 在当前特征空间与公开模型链路中的推理值
• 用于模型接入验证、相对比较和参考对照

不建议直接解释为：

• 普通小分子纯液体在标准条件下的真实表面张力

---

当前环境约定

由于公开模型后端存在 Python / sklearn 兼容要求，当前建议保留两套虚拟环境：

1）baseline 环境

.venv

## Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

- **Author:** [InternScience](https://github.com/InternScience)
- **Source:** [InternScience/ChemClaw](https://github.com/InternScience/ChemClaw)
- **License:** MIT

Install and usage instructions live in the source repository linked above.