近年来,离子液体因其特有的低蒸汽压、良好的热稳定性和结构可设计性等优势,在诸多领域展现出了巨大的应用潜力。然而离子液体种类繁多,完全依赖实验方法测量离子液体的性质和筛选合适的离子液体不切实际,迫切需要开发性质预测模型及系统高效的筛选方法,为离子液体工业化应用提供支撑。本论文建立了离子液体纯组分性质、气液相平衡性质预测模型,针对气体分离,综合考虑多种重要性质提出了系统高效的离子液体设计筛选新方法,并采用量化计算对代表性气体分离机理（CO2/CH₄、C2H₂/C2H₄和NH₃/CH₄）进行了深入研究,研究结果为气体分离工业化应用提供了参考和指导。本论文的主要研究内容及成果如下:（1）基于智能算法的离子液体纯组分性质预测。针对常见的咪唑类离子液体的粘度性质,采用离子片-对应态方法（FC-CS）计算的临界性质等作为输入参数,基于多元线性回归（MLR）及支持向量机（SVM）算法建立了预测模型。建立的模型对45种咪唑类离子液体1079条数据点的平均绝对相对误差（AARD）分别为24.2%和3.95%。为了进一步扩大粘度的预测范围,收集了 89种离子液体1502条数据点,采用量化计算得到的Sσ-profiles分子描述符作为输入参数,结合MLR和SVM算法建立了模型,二者的AARD分别为10.68%和6.58%。同时,针对离子液体热容性质,采用Sσ-profiles分子描述作为输入参数结合极限学习机（ELM）算法,分别建立了 MLR和ELM预测模型,对46种离子液体2416条数据的AARD分别为2.72%和0.60%。以上结果表明本论文所建立的模型具有良好的预测效果。（2）H₂S在离子液体中溶解度数据库及预测模型。H₂S在离子液体中溶解度的数据库及预测模型对于工业气体脱硫新过程开发非常重要。然而目前缺乏相关的数据库及准确的预测模型。本论文收集了 2007-2016年1334条H₂S溶解度数据建立了数据库。在此基础上以离子片作为输入参数,结合ELM算法建立了预测模型,该模型对27种离子液体1282条数据的AARD为4.12%。进一步采用量化计算得到的Sσ-profles作为输入参数,结合ELM算法建立了新的预测模型。其中Sσ-profles采用两种不同的划分形式,得到了两个定量结构性质关系（QSPR）模型,二者的AARD分别为3.73%和3.80%,效果均优于离子片作为输入参数建立的模型,也优于文献中报道的相关模型。（3）建立了考虑多因素的离子液体设计筛选新方法。离子液体在气体分离中的应用已经吸引了工业界和学术界的广泛关注。然而,如何建立高效、系统的设计筛选方法是一个重要的挑战。本研究采用COSMO-RS方法计算获得了包含一万多种离子液体对12种常见工业气体共163020条亨利系数,建立了相应的基础数据库。在此基础上,考虑离子液体对气体的质量和摩尔吸收能力、解吸能力、选择性以及其本身的熔点、粘度、毒性等性质建立了系统高效的设计筛选新方法,提出了吸收分离指数（ASI）新概念,可综合考虑离子液体的吸收和选择能力。以两种典型的气体分离应用为例（CO2/CH₄和C2H₂/C2H₄）,验证了上述方法的可靠性。（4）离子液体气体分离机理分析。针对三种典型的气体分离应用（CO2/CH₄、C2H₂/C2H₄和NH₃/CH₄）,分别选取了三种代表性的离子液体[S221][CCN3]、[S222][Ace]和[OHemim][NTf2],采用量化计算的方法对气体分离机理进行了系统深入的研究。结果表明氢键是分离气体的关键,通过AIM分析发现氢键以静电为主导,部分强的氢键具有了共价键的特征,同时发现氢键的键长分别与ρBCP和▽2ρBCP存在良好的线性关系。进一步通过SAPT能量分解分析发现静电在离子液体与吸收量大的气体（[OHemim][NTf2]-NH₃、[S221][CCN3]-CO2和[S222][Ace]-C2H₂）之间的总相互吸引能中占主导地位。