論文の概要: Data-Driven Extended Corresponding State Approach for Residual Property Prediction of Hydrofluoroolefins

• arxiv url: http://arxiv.org/abs/2507.21720v1
• Date: Tue, 29 Jul 2025 11:51:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-30 17:08:56.148275
• Title: Data-Driven Extended Corresponding State Approach for Residual Property Prediction of Hydrofluoroolefins
• Title（参考訳）: ヒドロフルオロオレフィンの残留特性予測のためのデータ駆動拡張対応状態アプローチ
• Authors: Gang Wang, Peng Hu,
• Abstract要約: フッ化フルオロオレフィンは、温暖化ポテンシャルが極めて低いため、次世代の冷媒として最も有望であると考えられている。 しかし、信頼性の高い熱力学データが欠如していることは、より新しく優れたフルオロオレフィン冷媒の発見と応用を妨げる。 本研究では, フルオロオレフィン冷媒の残留熱力学特性を予測するためのニューラルネットワーク拡張状態モデルを提案する。
• 参考スコア（独自算出の注目度）: 11.887180544734575
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Hydrofluoroolefins are considered the most promising next-generation refrigerants due to their extremely low global warming potential values, which can effectively mitigate the global warming effect. However, the lack of reliable thermodynamic data hinders the discovery and application of newer and superior hydrofluoroolefin refrigerants. In this work, integrating the strengths of theoretical method and data-driven method, we proposed a neural network extended corresponding state model to predict the residual thermodynamic properties of hydrofluoroolefin refrigerants. The innovation is that the fluids are characterized through their microscopic molecular structures by the inclusion of graph neural network module and the specialized design of model architecture to enhance its generalization ability. The proposed model is trained using the highly accurate data of available known fluids, and evaluated via the leave-one-out cross-validation method. Compared to conventional extended corresponding state models or cubic equation of state, the proposed model shows significantly improved accuracy for density and energy properties in liquid and supercritical regions, with average absolute deviation of 1.49% (liquid) and 2.42% (supercritical) for density, 3.37% and 2.50% for residual entropy, 1.85% and 1.34% for residual enthalpy. These results demonstrate the effectiveness of embedding physics knowledge into the machine learning model. The proposed neural network extended corresponding state model is expected to significantly accelerate the discovery of novel hydrofluoroolefin refrigerants.
• Abstract（参考訳）: フッ化フルオロオレフィンは、温暖化効果を効果的に緩和できる非常に低い温暖化ポテンシャル値のため、次世代の冷媒として最も有望であると考えられている。 しかし、信頼性の高い熱力学データが欠如していることは、より新しく優れたフルオロオレフィン冷媒の発見と応用を妨げる。 本研究では,フッ化オレフィン冷媒の残留熱力学特性を予測するためのニューラルネットワーク拡張状態モデルを提案する。 この革新は、これらの流体が、その一般化能力を高めるために、グラフニューラルネットワークモジュールとモデルアーキテクチャの特殊設計を含めることで、その微視的な分子構造によって特徴づけられることである。 提案モデルでは, 利用可能な流体の高精度なデータを用いてトレーニングを行い, 残余のクロスバリデーション法を用いて評価を行った。 従来の拡張対応状態モデルや立方体状態方程式と比較して, 液体および超臨界領域における密度およびエネルギー特性の精度は, 平均絶対偏差が1.49%(液体)と2.42%(超臨界)、残留エントロピーが3.37%, 2.50%(残留エントロピーが1.85%, 残留エンタルピーが1.34%であった。 これらの結果は、物理知識を機械学習モデルに組み込むことの有効性を示す。 提案したニューラルネットワーク拡張状態モデルにより,新規なフルオロオレフィン冷媒の発見が著しく加速することが期待されている。

関連論文リスト

• Bridging Equilibrium and Kinetics Prediction with a Data-Weighted Neural Network Model of Methane Steam Reforming [0.0]
  運動と平衡の両方を統一できる代理モデルを示す。 運動と平衡の実験からの実験データを含む包括的なデータセットに基づいてトレーニングされた人工ニューラルネットワーク。 ネットワークが予測の連続デリバティブを提供する能力は、特にプロセスモデリングと最適化に有用である。
  論文  参考訳（メタデータ） (2025-04-15T14:55:06Z)
• Predicting ionic conductivity in solids from the machine-learned potential energy landscape [68.25662704255433]
  本稿では, イオン伝導体の迅速かつ信頼性の高いスクリーニング手法として, 普遍的な原子間ポテンシャルの解析手法を提案する。 第一原理計算では,10種中8種が室温で超イオン性であることが確認された。 本手法は, 機械学習電位によって駆動される分子動力学と比較して約50倍の高速化係数を達成し, 第一原理分子動力学に比べて少なくとも3,000倍高速である。
  論文  参考訳（メタデータ） (2024-11-11T09:01:36Z)
• Chemical Reaction Neural Networks for Fitting Accelerating Rate Calorimetry Data [37.69303106863453]
  化学反応ニューラルネットワーク(CRNN)は、モリセル21700 P45Bから得られたARCデータにN方程式のアレニウスODEの運動パラメータを適合させるために訓練される。 この手法の柔軟性は、2方程式と4方程式のモデルを用いて実験することによって実証される。
  論文  参考訳（メタデータ） (2024-08-21T20:39:41Z)
• Gibbs-Duhem-Informed Neural Networks for Binary Activity Coefficient Prediction [45.84205238554709]
  本稿では,Gibs-Duhem-informed Neural Network を用いて,様々な組成における二成分活性係数の予測を行う。 ニューラルネットワークの学習における損失関数にギブス・デュヘム方程式を明示的に含んでいる。
  論文  参考訳（メタデータ） (2023-05-31T07:36:45Z)
• Toward Development of Machine Learned Techniques for Production of Compact Kinetic Models [0.0]
  化学動力学モデルは燃焼装置の開発と最適化に欠かせない要素である。 本稿では、過度に再現され、最適化された化学動力学モデルを生成するための、新しい自動計算強化手法を提案する。
  論文  参考訳（メタデータ） (2022-02-16T12:31:24Z)
• Transfer-learning-based Surrogate Model for Thermal Conductivity of Nanofluids [0.0]
  ナノ流体の熱伝達特性は1990年代から広く研究されている。 ナノ流体の熱伝導率は、一般に基礎流体よりも大きい性質の1つである。
  論文  参考訳（メタデータ） (2022-01-02T23:55:12Z)
• Prediction of liquid fuel properties using machine learning models with Gaussian processes and probabilistic conditional generative learning [56.67751936864119]
  本研究の目的は、代替燃料の物理的特性を予測するためのクロージャ方程式として機能する、安価で計算可能な機械学習モデルを構築することである。 これらのモデルは、MDシミュレーションのデータベースや、データ融合-忠実性アプローチによる実験的な測定を用いて訓練することができる。 その結果,MLモデルでは,広範囲の圧力および温度条件の燃料特性を正確に予測できることがわかった。
  論文  参考訳（メタデータ） (2021-10-18T14:43:50Z)
• Physics-informed CoKriging model of a redox flow battery [68.8204255655161]
  レドックスフロー電池(RFB)は、大量のエネルギーを安価かつ効率的に貯蔵する機能を提供する。 RFBの充電曲線の高速かつ正確なモデルが必要であり、バッテリ容量と性能が向上する可能性がある。 RFBの電荷分配曲線を予測する多相モデルを構築した。
  論文  参考訳（メタデータ） (2021-06-17T00:49:55Z)
• Uhlmann Fidelity and Fidelity Susceptibility for Integrable Spin Chains at Finite Temperature: Exact Results [68.8204255655161]
  奇数パリティ部分空間の適切な包含は、中間温度範囲における最大忠実度感受性の向上につながることを示す。 正しい低温の挙動は、2つの最も低い多体エネルギー固有状態を含む近似によって捉えられる。
  論文  参考訳（メタデータ） (2021-05-11T14:08:02Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。