Prediction of physicochemical properties by artificial neural nets

• Autores: Arturo Alvarez, Víctor Hugo Álvarez Montes
• Localización: Avances en Ciencias e Ingeniería, ISSN-e 0718-8706, Vol. 14, Nº. 3, 2023, págs. 101-107
• Idioma: inglés
• Títulos paralelos:
  • Predicción de propiedades fisicoquímicas mediante redes neuronales artificiales
• Enlaces
  • Texto completo
• Resumen
  • español

    En este estudio, se aplicó el método de Red Neuronal Artificial-Perfil sigma de Grupo COSMO para estimar la presión crítica, la temperatura crítica, la entalpía de fusión y la temperatura de fusión de compuestos químicos puros. Se investigó una base de datos con 1400 puntos de compuestos puros para proponer el modelo predictivo. Los resultados proporcionaron errores cuadráticos medios de 5 bar, 25 K, 5 kJ/mol y 32 K, para las propiedades estimadas de presión crítica, temperatura crítica, entalpía de fusión y temperatura de fusión, respectivamente.

  • English

    In this study, we employed the Artificial Neural Network-Group COSMO sigma profile method to estimate critical pressure, critical temperature, enthalpy of fusion, and melting temperature of pure chemical compounds. Utilizing a comprehensive database containing 1400 data points of various pure compounds, we developed a robust predictive model. The method demonstrated high accuracy, yielding root mean square errors of 5 bar for critical pressure, 25 K for critical temperature, 2030 kJ/mol for enthalpy of fusion, and 23 K for melting temperature. These results underscore the potential of the Artificial Neural Network-Group COSMO sigma profile method as a reliable tool for predicting critical thermodynamic properties, contributing valuable insights to the field of chemical engineering and material science.