基本信息
文件名称：基于机器学习的键解离能和离子液体毒性预测.pdf
文件大小：3.04 MB
总页数：82 页
更新时间：2025-08-06
总字数：约12.34万字
文档摘要
摘要
键解离能(BondDissociationEnergy，BDE)作为衡量化学键稳定性的一个物理化
学性质，对于理解化学反应机理具有重要的作用。由于目前文献中仅能提供少量的BDE
实验值，因此BDE的理论计算受到重视，机器学习方法就因其计算速度快和成本低等优
点被广泛应用于对BDE的预测。然而，用于预测化学键解离能的数据大多来自量子化学
计算，而非实验测量。基于此，本论文提出了新的描述符，仅通过BDE实验值建立模型，
且所得结果优于文献中的建模结果。该工作有助于更好地理