PulseAugur
中
实时 07:12:27
English(EN) Predicting Activities in Aqueous Electrolyte Solutions with Hybrid Machine Learning

混合机器学习模型预测电解质活度

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种新颖的混合机器学习模型Bromley-MCM，用于预测水性电解质溶液中的活度。该模型集成了基于物理的Bromley模型和矩阵补全方法，能够预测Bromley模型的特定电解质参数。在多特蒙德数据库的478种电解质数据上训练后，Bromley-MCM模型现在可以预测显著更多（9,296种）电解质的活度，在保持高精度的同时扩展了Bromley模型的适用范围。 AI

影响 这种混合模型通过预测先前未研究过的电解质系统，有可能加速化学工程和材料科学领域的研究与开发。

排序理由 该集群包含一篇详细介绍用于预测化学性质的新型混合机器学习模型的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

混合机器学习模型预测电解质活度

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Zeno Romero, Maximilian Kohns, Fabian Jirasek ·

    利用混合机器学习预测水系电解质溶液中的活动

    arXiv:2607.19114v1 Announce Type: new Abstract: Activities in aqueous electrolyte solutions, usually described by ionic activity and osmotic coefficients, are important properties for modeling many processes in industry and nature. Established activity models, such as those of Pi…

相关话题