Prediction of substance solubility in scCO₂ in the presence of a cosolvent

The model is based on 4401 experimental solubility records with 22 cosolvents for 93 non-ionic solutes, and also included solubility data for 1060 substances in pure supercritical CO₂. The CatBoost model was trained using descriptors of melting temperature, enthalpy of vaporization, Abraham parameters, RDKit descriptors, and solvent properties. The recommended cosolvent content is up to 0.1 mole fractions.

Prediction of Henry’s constant CO₂,  melting points, viscosity, density, conductivity, surface tension, speed of sound, thermal conductivity, heat capacity and CO₂ solubility in deep eutectic solvents

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.

Prediction of Henry’s constant CO2, electrical conductivity, viscosity, density, surface tension and sound velocity of ionic liquids

The models are developed using ensemble algorithms and utilize CDK descriptors. These models are constructed using large datasets consisting of: 4708 data points for electrical conductivity, 18324 data points for dynamic viscosity, 31026 data points for density, 6788 data points for surface tension, and 5702 data points for sound velocity.

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.