基于量身小分子功能基团的制冷剂性能相关性质预测
化学物理
2025-07-10 v1 机器学习
摘要
由于当前的小基团贡献（GC）方法主要针对广泛尺度范围的分子，应用于小型制冷剂分子性能预测可能导致不可接受的误差。对于新型制冷剂及制冷系统的设计，量身定制的针对制冷剂分子的GC方法具有重要意义。本文首先收集潜在制冷剂分子的数据库，聚焦五个与制冷系统运行效率相关的关键性质，即正沸点、临界温度、临界压力、汽化焓和亲水因子。基于量身定制的小分子基团，将GC方法与机器学习（ML）结合，用于建模这些性能相关性质。随后分析GC-ML模型的性能，以突出不同基团对性质贡献的潜力。此外，基于构建的制冷剂性质数据库，展示实例以凸显所开发模型的重要性。
引用
@article{arxiv.2503.17919,
title = {Predicting performance-related properties of refrigerant based on tailored small-molecule functional group contribution},
author = {Peilin Cao and Ying Geng and Nan Feng and Xiang Zhang and Zhiwen Qi and Zhen Song and Rafiqul Gani},
journal= {arXiv preprint arXiv:2503.17919},
year = {2025}
}