综述：预测和关联固液相平衡的热力学模型

　　本综述系统评述了预测固液相平衡（SLE）的热力学模型，重点分析其在有机化合物、无机盐及多元混合物中的适用性与局限性，为（化工过程设计）与（药物开发）提供关键理论支撑，并指出未来模型需向模块化、可解释方向迭代。

　　

热力学模型的核心价值

热力学模型作为预测物质在不同温度下行为的关键工具，能够显著减少实验投入并提升产品设计效率。这些模型通过数学框架描述溶解度行为，为化工、制药等领域的工艺开发与优化提供理论指导。尽管现有模型种类繁多，但其应用常受限于特定条件，尚未形成普适性解决方案。

主流模型及其适用性

活度系数模型（如NRTL、UNIQUAC）通过描述液相非理想性来预测溶解度，尤其适用于有机化合物体系。状态方程模型（例如PC-SAFT）则通过分子参数直接计算相平衡，在处理高压或复杂混合物时展现优势。对于电解质溶液（如无机盐体系），eNRTL或Pitzer模型通过引入离子相互作用项提升预测精度。然而，每种模型均存在局限性：活度系数模型需依赖实验数据拟合参数，状态方程模型对极性化合物适应性较差，而电解质模型需考虑离子水合等复杂效应。

关键应用场景

在药物多晶型筛选中，模型可预测不同晶型的相对稳定性与溶解度曲线；在工业结晶过程中，通过控制过饱和度优化产品粒度分布；对于离子液体-盐体系，模型需同时处理氢键与静电相互作用。特定案例中，PC-SAFT模型成功预测了抗生素在混合溶剂中的溶解度，而eNRTL模型精准关联了锂盐-有机溶剂体系的相图。

局限性挑战

模型精度受限于实验数据质量与参数化方法：强极性分子（如氨基酸）的溶剂化效应难以准确描述，多元混合物中分子间作用的耦合机制尚未完全解析。此外，模型普遍缺乏对固相非理想性（如晶体缺陷）的量化能力。

未来发展方向

下一代热力学模型需具备模块化架构，允许根据体系特性灵活组合相互作用模块；同时提升模型可解释性，通过机器学习辅助参数优化。开发跨尺度模型（从分子模拟到宏观性质预测）将是实现精准设计的关键。