Thermal stability

差分学习提升含能材料热稳定性预测精度

研究人员开发了一种新颖的“差分学习”方法，以更准确地预测含能材料的热稳定性。该方法训练神经网络预测分子稳定性之间的相对差异，而不是绝对值，从而显著降低了对不同实验室实验变化的敏感性。该方法在对化合物按热稳定性进行排序时达到了超过85%的准确率，在同一噪声数据集上优于传统的回归技术。研究的关键见解表明，键解离焓是决定热稳定性的关键因素，为改进材料设计中的安全规程提供了实际应用。