数据集概述
本数据集对应JPCB论文的研究内容，包含CO₂-离子液体混合物物性预测的数据库、结果数据，以及可复现研究结果的样本代码（需参考v1.0版本）。数据支持分析三种人工神经网络模型（CRT、STR、COMB）的性能差异，用于CO₂-离子液体混合物的物性预测研究。
文件详解
- 文件名称：SI_Final_Version.xlsx
- 文件格式：XLSX
- 字段映射介绍：包含论文研究的核心数据库与结果数据，具体字段需参考文件内容，推测涵盖离子液体的临界性质、结构性质，CO₂-离子液体混合物的物性参数，以及三种模型的预测结果与性能统计数据。
数据来源
论文“Robust Method for Property Prediction via Artificial Neural Networks: Incorporating Key Structural Features for Carbon Dioxide – Ionic Liquid Mixtures”（https://doi.org/10.1021/acs.jpcb.4c04432）及Zenodo版本v1.0（https://zenodo.org/records/11216901）
适用场景
- 物性预测模型研究：分析CRT、STR、COMB三种人工神经网络模型在CO₂-离子液体混合物物性预测中的性能差异。
- 化学工程应用：为CO₂-离子液体混合物的工业应用（如碳捕获）提供物性预测的数据支持。
- 机器学习模型验证：验证人工神经网络结合结构特征在流体物性预测中的有效性。
- 离子液体性质研究：探究离子液体的临界性质、结构性质对CO₂混合物物性的影响机制。
