用神经网络预测烷烃的物理性质

我们训练人工神经网络来预测直链、单支链和双支链烷烃的物理性质。这些神经网络可从碎片化数据中训练，这使我们能够将物理性质信息作为输入并利用性质-性质关联来提升预测质量。我们使用一组五个化学描述符唯一表征每种烷烃。我们建立了支化与沸点、热容和蒸气压随温度变化的关联。我们确定了对称性如何影响熔点，并识别出直链烷烃闪点中的错误数据条目。最后，我们利用剪切黏度和密度对温度与压力的依赖性来建模直链烷烃的运动黏度。神经网络模型的精度优于若干物理化学/热力学方法的精度。