COGNAC 模型提升液体混合物热力学预测精度
热点事件持续更新
COGNAC 模型提升液体混合物热力学预测精度
1 篇报道1 个报道来源4 小时前更新
先了解这件事
AI 综述
2026 年 10 月 28 日，Marco Hoffmann 等人在 arXiv 发布论文，提出名为 COGNAC 的图神经网络模型，用于预测液体混合物的热力学性质。 该模型基于约 82 万实验数据点训练，通过 UNIFAC 框架学习原子级几何与交互参数，在预测活度系数时精度显著高于传统 UNIFAC 和 HANNA 模型。 报道指出，相比 HANNA，COGNAC 的预测误差降低 13-63%，并能可靠预测多相平衡与共沸物，且计算成本与 UNIFAC 相当。
AI 根据报道生成 · 2 小时前更新
最新进展10月28日 12:00
COGNAC：用于液相混合物热力学的原子相互作用图神经网络报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · MLCOGNAC：用于液相混合物热力学的原子相互作用图神经网络
COGNAC 是一种基于图神经网络的模型，通过 UNIFAC 框架学习原子级几何与交互参数，在预测活度系数时精度显著高于 UNIFAC 和 HANNA。 该模型基于约 82 万实验数据点训练，相比 HANNA 误差降低 13-63%，并能可靠预测多相平衡与共沸物，计算成本与 UNIFAC 相当。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。