对应论文
Thermodynamically consistent machine learning model for excess Gibbs energy
视频简介
这篇 Nature Communications 论文提出 HANNA，用硬约束物理定律训练 excess Gibbs energy 机器学习模型，解决多组分液体混合物热力学性质从分子结构预测的长期难题。 HANNA 不是只在损失中加入软正则，而是把热力学一致性作为硬约束，联合利用汽液平衡、液液平衡、无限稀释活度系数和过量焓等实验数据。 这种端到端训练方式让模型从分子结构出发预测多种热力学性质，同时避免违反基本热力学关系，对化工建模和混合物设计很关键。 收录价值在于它体现了 physics-constrained ML 在化学工程中的可复用形状：把领域守恒/一致性规则作为模型接口，服务于可部署的过程设计与模拟。