Modeling cosolvent effects on solubility in supercritical CO2 using data-driven approaches

Makarov D. M.; N. Kalikin; Gurikov P.; Y. Budkov

doi:10.1016/j.supflu.2026.106979

Публикации

?

Modeling cosolvent effects on solubility in supercritical CO2 using data-driven approaches

Journal of Supercritical Fluids. 2026. Vol. 235. Article 106979.

Makarov D. M., Каликин Н. Н., Gurikov P., Будков Ю. А.

Научное направление: Химия Компьютерные науки

Язык: английский

Полный текст

DOI

Текст на другом сайте

Ключевые слова: машинное обучение термодинамика thermodynamics сверхкритические флюиды Solubility Supercritical fluids Растворимость machine learning cosolvents сорастворители

ПУБЛИКАЦИЯ ПОДГОТОВЛЕНА ПО РЕЗУЛЬТАТАМ ПРОЕКТА:

Прогнозирование свойств молекулярных систем: совмещение методов машинного обучения и классических методов моделирования (2026)

Structural model of decision support system for sustainable development of oil and gas companies

Stoianova A. D., Trofimets V. Y., Matrokhina K. V., International Journal of Engineering, Transactions A: Basics 2025 Vol. 38 No. 4 P. 701–709

Добавлено: 10 ноября 2026 г.

EdFitter: a hybrid course recommendation system using large language models

Sergei Koltcov, Рюмин Д. А., Alexandr Axyonov и др., PeerJ Computer Science 2026 Article 12:e4141

Добавлено: 10 ноября 2026 г.

Assessing density equilibration in confined Liquid–Liquid interfaces

Guskov T., Gerke K., Кондратюк Н. Д. и др., Molecular Simulation 2026 Vol. 52 No. 7 P. 546 – 555

Добавлено: 10 ноября 2026 г.

Influence of nuclear quantum effects on metastable states of warm dense hydrogen

Lukyanchuk V., Норман Г. Э., Кондратюк Н. Д. и др., Scientific Reports 2026 Vol. 16 No. 1 Article 16435

Добавлено: 10 ноября 2026 г.

Machine Learning and Knowledge Discovery in Databases. Research Track and Applied Data Science Track. European Conference, ECML PKDD 2026, Naples, Italy, September 7–11, 2026, Proceedings

Springer, 2027.

Добавлено: 9 ноября 2026 г.

Artificial Intelligence for Software Engineering (AI4SE): A Review of Capabilities, Evaluation, and Verification Challenges

Avdoshin S.M., Pesotskaya E.Y., Proceedings of the Institute for System Programming of the RAS 2026 Vol. 38 No. 6, part 2 P. 133–146

Добавлено: 8 ноября 2026 г.

MFL-ScrollNet: Recurrent Sliding-Window Detection for Panoramic Pipeline Magnetic Flux Leakage Images

Aleksei Samarin, Belous F., Торопов А. Г. и др., Technologies 2026 Vol. 14 No. 11 P. 1–21

Добавлено: 8 ноября 2026 г.

Proceedings 2026 IEEE International Conference on Joint Cloud Computing JCC 2026

IEEE Computer Society (Conference Publishing Services, CPS), 2026.

Добавлено: 7 ноября 2026 г.

Biochemical synthesis of coproporphyrin III tetramethyl ester: a novel reaction found in mycobacteria.

Bagaeva D. I., Demina G. R., Panina I. S. и др., International Journal of Biological Macromolecules (Нидерланды) 2026 Vol. 358 No. 1 P. 1–19

Добавлено: 7 ноября 2026 г.

Detecting the undetectable: benchmarking AI-generated text

Sergey Avdoshin, Elena Pesotskaya, Салех Х. М. и др., Procedia Computer Science 2026 Vol. 292 P. 1332–1341

Добавлено: 7 ноября 2026 г.

PrimeKV: Preserving critical KV cache without attention scores for long-context inference

Чжан Ч., Ильвовский Д. А., Neurocomputing 2027 Vol. 710

Добавлено: 5 ноября 2026 г.

Impact of mixed dihalogen substituents and their isomerism in cationic Mn(III) spin-crossover complexes with BPh4 − counterion

Казакова А. В., Korchagin D., Tiunova A. и др., Inorganica Chimica Acta 2026 Vol. 605 Article 123503

Добавлено: 5 ноября 2026 г.

A Multimodal Framework for Aphasia Severity Classification in Russian

Колмогорова А. В., Ekaterina Yavshitz, Margolina A. и др., Association for Computational Linguistics, 2026.

Добавлено: 4 ноября 2026 г.

Findings of the Association for Computational Linguistics: EMNLP 2026

Association for Computational Linguistics, 2026.

Добавлено: 3 ноября 2026 г.

PULSE: Psychological Characteristics Unified Learning via Speech-based Estimation

Абдулкадиров Т. Н., Рюмина Е. В., Рюмин Д. А. и др., Expert Systems with Applications 2026 Vol. 334 P. 1–29

Добавлено: 3 ноября 2026 г.

Vague Stimulating Ideas, Images and Metaphors in Scientific Thinking: Researchers’ Work with Horizons of Unclear Knowledge

Поддьяков А. Н., Integrative Psychological and Behavioral Science 2026 Vol. 60 No. 4 P. 1–50

Добавлено: 3 ноября 2026 г.

Arkhipenko, A.A.; Petrova, K.V.; Baranovskaya, V.B. Sorption Preconcentration and Analytical Determination of Cu, Zr and Hf in Waste Samarium–Cobalt Magnet Samples. Molecules 2022, 27, 5275, https://doi.org/10.3390/molecules27165275

Барановская В. Б., Molecules 2022 Vol. 27 P. 1–20

Добавлено: 2 ноября 2026 г.

Direct inductively coupled plasma atomic emission spectrometry for analysis of waste samarium-cobalt magnets

Барановская В. Б., Petrova K., Korotkova N., Arabian Journal of Chemistry 2021 Vol. 15 P. 1–20

Добавлено: 2 ноября 2026 г.

Анализ алгоритмов квантовых вычислений в биомедицине

Горбунов А. А., Григорьев А. А., Демидов Л. Н. и др., Приборы и системы. Управление, контроль, диагностика 2025 № 7 С. 20–24

Быстрое развитие технологии квантовых вычислений потенциально может произвести революцию в сложных вычислениях в физических, химических и биологических областях за счет использования квантовой суперпозиции и запутанности. Квантовые компьютеры используют кубиты, способные существовать в нескольких состояниях одновременно, в отличие от классических битов. Эта функция позволяет хранить и обрабатывать больше информации, что дает значительное преимущество при решении задач с обширным пространством ...

Добавлено: 12 октября 2026 г.

Proceedings of the 34th IUPAP Conference on Computational Physics: CCP2023, August 4-8, Kobe, Japan. (SPPHY, volume 356)

Singapore: Springer, 2026.

Добавлено: 12 октября 2026 г.

Enhancing Boundary Stability in Decision Trees and Random Forests: A Weighted Sample Duplication Approach

Konstantinov A., Elizarova Anastasiya P., Utkin L., Computing, Telecommunications and Control 2026 Vol. 19 No. 1 P. 16–25

Деревья решений и их ансамблевые расширения, такие как случайные леса, широко используются в качестве моделей классификации благодаря своей простоте и интерпретируемости. Однако во многих реальных задачах, где метки классов перекрываются в пространстве признаков, стандартные деревья решений полагаются на жесткие разбиения, которые создают слабые границы принятия решений. В этих областях небольшие возмущения входных значений могут привести ...

Добавлено: 2 октября 2026 г.

Proceedings of the Thirty-Fifth International Joint Conference on Artificial Intelligence (IJCAI 2026)

International Joint Conferences on Artificial Intelligence, 2026.

Добавлено: 1 октября 2026 г.

Дополнительная коррекция ошибок в каскадном коде с помощью полносвязных нейронных сетей

Портной С. Л., Ефремов А. М., Кузьмин В. В., В кн.: Распределенные компьютерные и телекоммуникационные сети: управление, вычисление, связь (DCCN-2026): материалы XXIX Международной научной конференции. Россия, Москва, 21–27 сентября 2026 г.: М.: РУДН, 2026..

В работе рассматривается возможность улучшения помехоустойчивости каскадного кода, состоящего из внутреннего кода Хэмминга (4,3) и внешнего кода Рида — Соломона (7,5) над полем GF(8), за счёт дополнительной кор рекции ошибок на основе машинного обучения. Внешний код декодируется списочным алгоритмом с перебором стираний; рассматриваются списки дли ной 5 и 10 комбинаций. Для компенсации потерь помехоустойчивости при ...

Добавлено: 26 сентября 2026 г.

Metaheuristics in Machine Learning: Theory and Applications

Cham: Springer, 2021.

Добавлено: 18 сентября 2026 г.