Jul, 2023
PUFFIN: 一种用于蒸汽压预测的路径统一的前馈接口网络
PUFFIN: A Path-Unifying Feed-Forward Interfaced Network for Vapor
Pressure Prediction
Vinicius Viena Santana, Carine Menezes Rebello, Luana P. Queiroz, Ana Mafalda Ribeiro, Nadia Shardta...
TL;DR精确预测蒸气压是各种工业和环境应用中至关重要的。然而，由于实验的资源和劳动强度，不可能获得所有感兴趣化合物的准确测量结果。当希望预测蒸气压的温度相关关系时，资源和劳动需求进一步增加。在本文中，我们提出了PUFFIN（Path-Unifying Feed-Forward Interfaced Network），这是一个结合了迁移学习和领域知识启发的新归纳偏差节点（安托万方程）的机器学习框架，用于改进蒸气压预测。通过利用归纳偏差和使用图嵌入的迁移学习，PUFFIN超过了不使用归纳偏差或使用通用化合物描述符的替代策略。该框架将领域专业知识融入以克服有限数据可用性的限制，显示出在化学化合物分析中的更广泛应用潜力，包括其他物理化学性质的预测。我们提出的机器学习框架部分具有可解释性，因为归纳安托万节点提供了网络得到的安托万方程系数。然后可以直接将所得的分析表达式纳入工业和环境中发生的过程的优化预测和控制的过程设计软件中。