基于物理约束的机器学习方法：利用Abraham溶质描述符预测离子液体混合物的粘度

《Journal of Molecular Liquids》：Physically constrained machine learning for predicting the viscosity of ionic liquid mixtures from Abraham solute descriptors

　　

埃尔米拉·贝布迪（Elmira Behboudi）|埃拉赫·拉希姆普尔（Elaheh Rahimpour）|塔希尔·苏莱曼诺夫（Tahir Suleymanov）|德米特里·M·马卡罗夫（Dmitriy M. Makarov）|阿博尔加塞姆·朱伊班（Abolghasem Jouyban）

• •
  提出了一种用于预测IL-溶剂混合物粘度的混合物理-机器学习（physics–ML）框架。
• •
  亚伯拉罕溶质描述符（Abraham solute descriptors）使得无需粘度数据即可进行完全的计算机模拟。
• •
  基于混合K（Hybrid K）的方法在外推性能上优于传统的机器学习模型（R2 ≈ 0.97）。
• •
  物理约束模型提高了对未知溶剂系统的鲁棒性。