浙江大学:离子液体电导率预测：从 COSMO-RS 衍生的 QSPR 评估到促进机器学习
论论资讯 ｜ 2024-04-29 ｜
18热度
ACS Sustainable Chemistry & Engineering
Explore content
About the journal
Publish with us
Prediction of Electrical Conductivity of Ionic Liquids: From COSMO-RS Derived QSPR Evaluation to Boosting Machine Learning
Chen Z.; Chen J.; Qiu Y.; Cheng J.; Chen L.; Qi Z.; Song Z.
Published：2024-01-01
DOI：10.1021/acssuschemeng.4c00307
研究背景
在当今社会，随着电动汽车等新能源技术的快速发展，人们对电池性能和安全性提出了更高的要求。然而，如何有效设计离子液体（ILs）基电解质一直是一个挑战。当前，电导率（κ）的准确预测成为亟待解决的问题。
研究内容
一项最新研究发表在《ACS Sustainable Chemistry and Engineering》期刊上，题为《Prediction of Electrical Conductivity of Ionic Liquids: From COSMO-RS Derived QSPR Evaluation to Boosting Machine Learning》。研究通过使用COSMO-RS导出的QSPR模型，结合提升机器学习（ML）方法，系统地探讨了ILs的κ预测。基于大量实验κ数据库，研究全面评估了COSMO-RS导出的QSPR模型对κ的预测性能，以及温度和IL结构依赖性的描述。随后，采用两种强大的集成算法，随机森林（RF）和极限梯度提升（XGB），构建提升ML模型，以弥补实验和QSPR预测κ之间的差异。研究结果表明，提升ML模型显著提高了预测性能，并确定提升XGB为κ预测的最佳选择。
研究意义
这项研究的创新之处在于通过结合COSMO-RS导出的QSPR模型和提升ML方法，提高了ILs电导率的准确预测能力。这对于电池性能的提升和安全性的保障具有重要意义，为未来电动汽车等领域的发展提供了有力支持。
希望这篇简明易懂的文章能让你更好地了解离子液体电导率预测技术的最新进展！
学术热榜
查看全部
相关资讯
换一批