arXiv 机器学习· Marco Hoffmann, Sebastian Schmitt, Hans Hasse, Fabian Jirasek·· 4 小时前AI 评分33
COGNAC：学习原子相互作用以预测液体混合物热力学性质
Learning atomic interactions for the thermodynamics of liquid mixtures
AI 导读
研究人员提出图神经网络 COGNAC，通过学习原子级相互作用参数并在 UNIFAC 框架评估，用于预测液体混合物活度系数。该模型在约 820,000 个实验数据上训练，较 HANNA 误差降低 13-63%，且严格保证热力学一致性。COGNAC 运行成本与传统 UNIFAC 相当，能可靠预测多相平衡并识别共沸物，打通了机器学习在流程模拟中的应用。
来源：arXiv 机器学习 · arxiv.org