热点事件持续更新
研究团队提出液体混合物热力学图神经网络COGNAC
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
2026年10月28日，相关研究团队在arXiv发布论文，提出图神经网络COGNAC。该模型通过学习原子级相互作用参数并在UNIFAC框架下进行评估，用于预测液体混合物的活度系数。COGNAC基于约820,000个实验数据完成训练，相比HANNA模型误差降低了13%至63%，同时严格保证了热力学一致性。此外，该模型的运行成本与传统UNIFAC相当，能够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实际应用路径。
AI 根据报道生成 · 3 小时前更新
最新进展10月28日 12:00
研究团队发布图神经网络COGNAC，大幅提升液体混合物热力学预测精度并保证一致性。报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv 机器学习COGNAC：学习原子相互作用以预测液体混合物热力学性质
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。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。