Liquids 期刊正式被 ESCI 收录 | MDPI News
发表时间：2025-04-10 阅读量：128
2025年4月，MDPI Liquids 期刊正式被ESCI (Web of Science) 数据库收录。
在此，Liquids 向为期刊发展作出巨大贡献的主编、栏目主编、编委、客座编辑、审稿专家和作者们表示衷心的感谢，向长期关注期刊发展的读者致以诚挚的谢意！
截至目前，MDPI已出版期刊469个，其中208个期刊已被ESCI收录 (查看ESCI详细名单，请点击：https://www.mdpi.com/about/journals/esci)。
期刊简介
Liquids (ISSN 2673-8015) 是一个国际性、跨学科的开放科学期刊，旨在开展严格的同行评审，助力涵盖液态材料研究各个方面的成果得以快速发表。本刊致力于增进对简单与复杂液体或混合物 (包括玻璃态物质和液晶) 的认知。期刊目前设有“Molecular Liquids” “Chemical Physics of Liquids” 和 “Physics of Liquids” 三个栏目。
期刊主题包括但不限于以下内容：
● 一般溶液；
● 依数性质；
● 有机溶剂及其应用；
● 离子液体、深共晶溶剂及其应用；
● 表面活性剂和胶体溶液；
● 液晶；
● 液体和玻璃的结构测定 (散射、X射线、中子等)；
● 液体模型和理论；
● 涉及液体的过渡相；
● 液相色谱法；
● 表面上的液体 (润湿等)；
● 溶液中的溶剂化过程和配位化学；
● 液体中的流体力学；
● 电解液。
编委团队
● 期刊主编
Prof. Dr. Enrico Bodo
University of Rome “La Sapienza”, Italy
● 栏目主编
Prof. Dr. William E. Acree, Jr.
University of North Texas, USA
Dr. Cory Pye
Saint Mary's University, Canada
主编寄语
回望学科发展历程，上世纪前半叶学界曾对液态研究持审慎态度。著名物理学家列夫·朗道曾断言：“相较于固态与气态，液态的热力学量难以进行普适性计算”。这种观点源于液态物质特有的无序结构特征及复杂的分子间相互作用，在当时的技术条件下确实存在研究瓶颈。
然而二十世纪下半叶以来，实验技术的突破性进展与计算模型的持续创新，使液态研究迈入了前所未有的新纪元。中子散射、光散射、核磁共振等新型光谱技术的应用，配合超级计算能力的指数级提升所实现的分子模拟突破，为学界深入探索液态本质提供了全新视角。自此，液体便成为横跨多学科的前沿阵地：从物理学中液态基础理论的建构，到化学研究的核心领域，乃至整个生物学研究，加之工程力学与气象学中的流体动力学应用，液体始终展现出独特的科研魅力与社会应用价值。
我们期待 Liquids 期刊能成为展现这些现代研究成果的重要平台。本刊致力于打造一个多学科交叉的权威学术平台，全面覆盖直接或间接涉及液体研究的广阔科研领域。本刊坚守科学卓越性这一核心准则，通过严格的同行评审流程把控质量，既倡导具有广泛科学影响力的突破性成果，也鼓励深耕细分领域的专项研究。欢迎相关领域学者投稿原创研究论文、前沿综述及学术通讯。
发展历程
| 2021 | 期刊正式发行出版。 | |||||||||||||||||||
| 2022 | 设立学科栏目“Molecular Liquids”“Chemical Physics of Liquids”和“Physics of Liquids”。 | |||||||||||||||||||
| 2025 |
1月，正式被Scopus收录； 4月，正式被ESCI (Web of Science) 收录。 |
|||||||||||||||||||
精选文章
01
Oral Drug Delivery via Intestinal Lymphatic Transport Utilizing Lipid-Based Lyotropic Liquid Crystals
利用基于脂质的溶致液晶通过肠道淋巴运输进行口服药物输送
Linh Dinh and Bingfang Yan
本文探讨了对于肠道淋巴运输利用脂质基础的液晶 (LLCs) 进行口服药物递送的可能性，旨在解决口服药物生物利用度低和首过效应的问题。研究指出，肠道淋巴途径能够有效避免首过代谢，从而提高药物的生物利用度。LLCs系统具有良好的药物包埋效率和稳定性，尤其是在药物释放和淋巴运输方面表现出色。文章还探讨了微折叠细胞 (M细胞) 通道的靶向，通过将免疫刺激剂与LLC结合，增强了抗原的运输效率，促进了免疫反应。总体而言，LLCs作为一种新型的智能药物递送平台，具有良好的淋巴靶向能力和保护药物的能力，为口服给药提供了有效的解决方案。未来的研究可以进一步探索LLCs在疫苗递送和其他生物制剂中的应用潜力，并对其生物相容性、毒性及生产工艺进行深入研究。
Dinh, L.; Yan, B. Oral Drug Delivery via Intestinal Lymphatic Transport Utilizing Lipid-Based Lyotropic Liquid Crystals. Liquids 2023, 3, 456-468.
02
Linear Solvation–Energy Relationships (LSER) and Equation-of-State Thermodynamics: On the Extraction of Thermodynamic Information from the LSER Database
线性溶剂化-能量关系 (LSER) 和状态方程热力学：从LSER数据库中提取热力学信息
Costas Panayiotou et al.
本文深入探讨了氢键形成过程中自由能变化的热力学框架，并建立了氢键相互作用的部分溶剂参数 (PSP) 与线性溶剂-能量关系 (LSER) 模型之间的联系。本文为氢键相互作用及其在溶剂-溶质模型中的行为提供了多层次的热力学框架，并为今后的研究提供了可行的方向与方法论。总的来说，该研究提升了我们对溶剂化自由能、活度系数等热力学量的理解，为化学和材料科学中的应用打下了理论基础。
Panayiotou, C.; Zuburtikudis, I.; Abu Khalifeh, H.; Hatzimanikatis, V. Linear Solvation–Energy Relationships (LSER) and Equation-of-State Thermodynamics: On the Extraction of Thermodynamic Information from the LSER Database. Liquids 2023, 3, 66-89.
03
Abraham General Solvation Parameter Model: Predictive Expressions for Solute Transfer into Isobutyl Acetate
Abraham通用溶剂化参数模型：溶质向乙酸异丁酯转移的预测表达式
Ramya Motati et al.
本文探讨了有机溶剂在化学制造中的重要性，特别是通过选择合适的溶剂来优化反应过程和提高产品产量。文中研究的核心是开发Abraham模型表达式，以预测固体非电解质有机化合物在异丁酸酯中的溶解度。本文通过多元线性回归分析，基于49种有机溶质的实验数据，成功推导出两条Abraham模型表达式，分别用于估算水-异丁酸酯和气体-异丁酸酯的分配系数。此外，这两条基于Abraham模型的表达式能够准确预测固体非电解质有机化合物在异丁酸乙酯中的溶解度，具有较高的实用价值。该研究关注环境友好的溶剂替代品，为工业制造过程中选择合适的有机溶剂提供了重要参考，符合可持续发展的需求。
Motati, R.; Kandi, T.; Francis, J.; Chen, J.; Yao, E.; Motati, S.; Chen, A.; Kumarandurai, D.; Shanmugam, N.; Acree, W.E., Jr. Abraham General Solvation Parameter Model: Predictive Expressions for Solute Transfer into Isobutyl Acetate. Liquids 2024, 4, 470-484.
04
A Machine Learning Free Energy Functional for the 1D Reference Interaction Site Model: Towards Prediction of Solvation Free Energy for All Solvent Systems
一维参考相互作用位点模型的机器学习自由能函数：预测所有溶剂系统的溶剂化自由能
Jonathan G. M. Conn, Abdullah Ahmad and David S. Palmer
本文提出了一种基于机器学习的自由能函数，旨在通过1D参考相互作用位点模型 (1D-RISM) 来准确预测多种溶剂系统的溶解自由能 (SFE)。研究背景中指出，传统的SFE测定方法复杂且耗时，而机器学习结合1D-RISM能够提高预测的准确性和效率。研究方法包括使用卷积神经网络 (CNN) 对1D-RISM计算结果进行训练，利用大量实验数据 (2698个样本) 来构建模型。1D-RISM方法通过求解积分方程，描述了溶质与溶剂之间的相互作用，从而计算出溶解自由能。最终模型在多个溶剂系统上表现出良好的预测性能，RMSE为1.41 kcal/mol，R2为0.89；经过重训练后，RMSE降至1.35 kcal/mol，R2升至0.91。本文展示了机器学习在化学领域的应用潜力，为相关研究提供了新的思路和方法。
Conn, J.G.M.; Ahmad, A.; Palmer, D.S. A Machine Learning Free Energy Functional for the 1D Reference Interaction Site Model: Towards Prediction of Solvation Free Energy for All Solvent Systems. Liquids 2024, 4, 710-731.
特刊征稿进行中
01
Energy Transfer in Liquids
Edited by Darin J. Ulness
Submission Deadline: 30 Jun 2025
https://www.mdpi.com/si/187115
02
Nanocarbon-Liquid Systems
Edited by Nikolay O. Mchedlov-Petrossyan
Submission Deadline: 31 August 2025
https://www.mdpi.com/si/152663
联系我们
● 联系期刊编辑部：
● 期刊投稿通道
https://susy.mdpi.com/user/manuscripts/upload?form[journal_id]=435
● 申请成为特刊客座编辑
https://www.mdpi.com/journalproposal/sendproposalspecialissue/liquids
● 阅读作者指南