xylan

新AI模型预测用于生物质精炼的溶剂行为

研究人员开发了TiNN，一个受热力学启发的神经网络，用于预测深共晶溶剂（DESs）的溶剂化行为。该模型分层表示氢键缔合和溶质相互作用，在测试集上达到了0.917的高R^2值。与COSMO-RS等现有方法相比，TiNN显著提高了溶解度预测精度，将几何平均溶解度误差从23倍以上降低到约1.5倍。该模型还展示了区分对玉米秸秆中的木质素和半纤维素去除有效的DES配方的能力，即使没有经过特定的分馏数据训练。