Предсказание растворимости CO₂ в глубокоэвтектических растворителях, а также температуры плавления, вязкости и плотности глубокоэвтектических растворителей

Модели были созданы с использованием ансамблевых алгоритмов в которых используются отпечатки пальцев, а также дескрипторы CDK. Пользователи должны ввести SMILES акцептора водородной связи (HBA) и донора водородной связи (HBD), а также молярную долю их смеси. Затем растворимость CO2 прогнозируется в зависимости от температуры и давления. Прогнозы вязкости и плотности делаются исключительно на основе температуры при атмосферном давлении.

Предсказание минимальной ингибирующей концентрации ионных жидкостей (S. aureus, E. coli и P. aeruginosa)

QSAR модели на основе RFR для предсказания минимальной ингибирующей концентрации (МИК) ионных жидкостей против бактерий Staphylococcus aureus, Escherichia coli и Pseudomonas aeruginosa. Модель построена на датасете, содержащем более 800 экспериментальных точек данных.

Предсказание электропроводности, вязкости, плотности, поверхностного натяжения и скорости звука для ионных жидкостей

Модели, разработанные с использованием ансамблевых алгоритмов, в которых используются отпечатки пальцев в качестве дескрипторов. Эти модели построены с использованием больших наборов данных, состоящих из: 4708 записей для электропроводности, 18324 для динамической вязкости, 31026 для плотности, 6788 для поверхностного натяжения и 5702 для скорости звука.

Предсказание температуры плавления, разложения и стеклования для ионных жидкостей и смесей

Данные модели способны предсказывать температуры плавления, термического разложения и стеклования ионных жидкостей. В моделях используются данные о температуре плавления для 3076 солей, о температуре термического разложения для 2780 солей и о температуре стеклования для 794 солей. Эти модели были построены с использованием алгоритма CatBoost и отпечатками пальцев Моргана в качестве входных данных.