7-甲基-4-甲基胺:使用机器学习和与实验数据的比较,预测气相形成的标准摩尔
Fausto Díaz-Sánchez1, Miguel Angel García-Castro1, María Patricia Amador-Ramírez2
1Facultad de Ingeniería Química de la Benemérita Universidad Autónoma de Puebla, 18 Sur y Av. San Claudio, C.P., Puebla Pue 72570, Mexico.
对于7-methoxy-4-methylcoumarin,形成的标准度被实验确定并使用机器学习进行预测. 这项研究为库马林衍生物提供了准确的热力学数据.
科学领域:
- 热化学 热化学 热化学
- 计算化学计算化学
- 有机化学 有机化学
背景情况:
- 准确的热力学数据对于理解化学反应和特性至关重要.
- 库马林衍生物表现出多样化的生物活性,需要精确的表征.
- 形成的度是一个关键的热化学性质.
研究的目的:
- 实验性地确定7-甲基-4-甲基 (7M4MC) 在晶体和气体阶段形成的标准摩尔热量.
- 开发和验证用于预测7M4MC.形成的气相度的机器学习模型.
- 为了比较实验和预测值,并评估ML模型的准确性.
主要方法:
- 燃烧热量计被用来确定晶体阶段形成的标准摩尔.
- 差分扫描热量计和热重量计被用于分别测量聚变和蒸发的热量.
- 多个线性回归算法和随机梯度下降被用于机器学习预测.
主要成果:
- 实验确定了7M4MC在晶相 (ΔfHm°(cr)) 和气相 (ΔfHm°(g)) 中形成的标准摩尔.
- 机器学习模型,包括,氨酸和芳香化合物,在预测形成的气相度时获得了0.99的R2.
- 与库马林的实验值相比,ML模型显示的平均误差率为9.0%.
结论:
- 实验和机器学习方法为7M4MC的形成度提供了可靠的数据.
- 机器学习为预测氨酸衍生物的热化学性质提供了一种可行且准确的方法.
- 这项研究为7-甲基4-甲基氨酸和相关化合物提供了有价值的热力学数据.
更多相关视频
12:11Computation of Atmospheric Concentrations of Molecular Clusters from ab initio Thermochemistry
Published on: April 8, 2020
10:25Construction of Models for Nondestructive Prediction of Ingredient Contents in Blueberries by Near-infrared Spectroscopy Based on HPLC Measurements
Published on: June 28, 2016
相关概念视频
Predicting Molecular Geometry
Standard Enthalpy of Formation
Experimental Determination of Chemical Formula
Predicting Reaction Outcomes
Enthalpies of Reaction
Mass Spectrum: Interpretation
To...
