★ 2
arXiv 论文提出 COGNAC 图神经网络预测液体混合物热力学活度系数
研究提出 COGNAC 图神经网络，学习原子级几何与依赖分子邻域的交互参数，并在 UNIFAC 框架中评估。基于约 82 万实验数据点训练，其在二元与多组分混合物上精度显著超过 UNIFAC 与 HANNA，误差较 HANNA 降低 13–63%，且计算成本与 UNIFAC 相当。
arXiv cs.LG5 天前
#热力学
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
研究提出 COGNAC 图神经网络，学习原子级几何与依赖分子邻域的交互参数，并在 UNIFAC 框架中评估。基于约 82 万实验数据点训练，其在二元与多组分混合物上精度显著超过 UNIFAC 与 HANNA，误差较 HANNA 降低 13–63%，且计算成本与 UNIFAC 相当。