کاربرد روش ماشین یادگیری QSPR در پیش بینی ضریب توزیع نرنست ترکیباتگوگردی در فرایند گوگردزدایی از سوخت با مایعات یونی

حضور ترکیبات گوگردی در سوخت ها، منجر به ایجاد مزاحمت هایی در بخش انتقال و مصرف سوخت می شود. لذا، فرایندگوگردزدایی استخراجی از سوخت ها با استفاده از مایعات یونی می تواند مرکز توجهات بسیاری از محققان گردد. در این مطالعهسعی شده است تا با کمک داده های تجربی ضریب توزیع نرنست ترکیبات گوگردی بین فازهای غنی از مایعات یونی و غنیاز حلال هیدروکربنی، مدلی پیش بینی کننده مبتنی بر الگوریتم ماشین یادگیری در جهت پیش بینی این خاصیت توسعه دادهشود. این ماشین یادگیری، رابطه کمی ساختار-ویژگی QSPR است. قبل از محاسبه توصیف کننده ها، هر یک ازساختارهای ترکیبات گوگردی با تئوری تابع چگالی DFT و بر پایه B۳LYP و ++ G (d,p) ۳۱۱-۶ به کمک نرم افزارگائوسین بهینه شدند. بر اساس مدل به دست آمده، مشخص شده است که از بین تعداد زیادی توصیف کننده مولکولی ازساختارهای ترکیبات گوگردی، تنها یک توصیف کننده ساختاری با این خاصیت موردمطالعه رابطه کمی و کیفی دارد. ضریب تعیین مدل به دست آمده برابر ۴۰/۹۳ = ۲R می باشد. داده های پیش بینی شده با داده های تجربی مطابقت خوبی داشتند.توصیف کننده مولکولی از نوع نمایش سه بعدی مولکولی از ساختار که بر پایهی پراش الکترونی می باشد. با این توصیف کنندهپیش بینی خاصیت موردمطالعه برای ساختارهای جدیدی از ترکیبات گوگردی امکان پذیر است