НАЗВАНИЕ СТАТЬИ:
Предсказание температуры плавления органических веществ методами~машинного обучения

СПИСОК АВТОРОВ:
Варламов А.Л., Орехов М.А.

СПИСОК АВТОРОВ (С РАСШИФРОВКОЙ):
Варламов Александр Леонидович, Орехов Максим Александрович

DOI:
https://doi.org/10.33849/2024403

ПОСТУПИЛА В РЕДАКЦИЮ:
12 ноября 2024 г.

ЖУРНАЛ:
Вестник Объединенного института высоких температур

ТОМ:
16

ГОД:
2024

СТРАНИЦЫ:
17-21

РУБРИКА:
Теплофизические свойства веществ

КЛЮЧЕВЫЕ СЛОВА:
температура плавления; органические вещества

КОДЫ КЛАССИФИКАТОРОВ:
538.953

АННОТАЦИЯ:
Для многих органических веществ известно, что при комнатной температуре (25~$^ circ$C) они находятся в жидком состоянии, однако точное значение их температуры плавления остается неизвестным. Рассматривается задача прогнозирования температуры плавления для таких веществ, а также более общая задача — предсказание температуры плавления для всех органических соединений. В построении модели используются методы машинного обучения, основанные на анализе молекулярной структуры веществ. Алгоритм, предназначенный для веществ с температурой плавления до 25~$^ circ$C, демонстрирует среднеквадратичную ошибку, которая вдвое меньше, чем у универсального алгоритма, применимого ко всем органическим соединениям. Кроме того, разработан алгоритм, способный определять агрегатное состояние вещества (жидкое или кристаллическое) при 25~$^ circ$C, основываясь на структуре молекулы.

TITLE:
Prediction of Crystallization Temperature of Organic Liquids Using Machine Learning Methods

AUTHORS:
Varlamov A.L., Orekhov M.A.

KEYWORDS:
melting temperature; organic liquids

ABSTRACT:
The problem of predicting the crystallization temperature for substances with low crystallization temperatures (liquids) is considered in comparison to the general prediction task for all organic substances. A classification model has been developed to categorize substances as either liquids (with melting points up to 25 degrees) or solids (with melting points above 25 degrees). It is shown that this model is twice as accurate as simply predicting the melting temperature and comparing it to the 25-degree threshold. Furthermore, it is demonstrated that a melting temperature prediction model specifically designed for liquids is significantly more accurate than a general melting temperature prediction model for all substances.