热力学中的机器学习：通过矩阵补全预测活度系数
化学物理
2020-01-30 v1 机器学习
摘要
活度系数是液体混合物非理想性的度量，是化学工程中的关键性质，与化学平衡和相平衡以及传递过程的建模相关。尽管已有数千个二元混合物的实验数据，仍需要预测方法来计算迄今尚未探索的许多相关混合物中的活度系数。在本报告中，我们提出一种概率矩阵分解模型，用于预测任意二元混合物中的活度系数。尽管未使用所考虑组分的任何物理描述符，我们的方法优于经过三十余年精炼的最先进方法，同时所需训练代价小得多。这为预测二元混合物物理化学性质的新方法开辟了前景，有望革新化学工程中的建模与模拟。
引用
@article{arxiv.2001.10675,
title = {Machine Learning in Thermodynamics: Prediction of Activity Coefficients by Matrix Completion},
author = {Fabian Jirasek and Rodrigo A. S. Alves and Julie Damay and Robert A. Vandermeulen and Robert Bamler and Michael Bortz and Stephan Mandt and Marius Kloft and Hans Hasse},
journal= {arXiv preprint arXiv:2001.10675},
year = {2020}
}
备注
Published version: J. Phys. Chem. Lett. 11 (2020) 981-985; https://pubs.acs.org/doi/full/10.1021/acs.jpclett.9b03657