كاربرد روش ماشين يادگيري QSPR در پيش‌بيني ضريب توزيع نرنست تركيبات گوگردي در فرايند گوگردزدايي از سوخت با مايعات يوني

Application of Machine Learning based- QSPR in the prediction of the Nernst distribution coefficient of the S-containing compounds for the extractive desulfurization process from the fuel using Ionic Liquids

حضور تركيبات گوگردي در سوخت‌ها، منجر به ايجاد مزاحمت‌هايي در بخش انتقال و مصرف سوخت‌ مي‌شود. لذا، فرايند گوگردزدايي استخراجي از سوخت‌ها با استفاده از مايعات يوني مي‌تواند مركز توجهات بسياري از محققان گردد. در اين مطالعه سعي شده است تا با كمك داده هاي تجربي ضريب توزيع نرنست تركيبات گوگردي بين فازهاي غني از مايعات يوني و غني از حلال هيدروكربني، مدلي پيش‌بيني كننده مبتني بر الگوريتم ماشين يادگيري در جهت پيش‌بيني اين خاصيت توسعه داده شود. اين ماشين يادگيري، رابطه كمي ساختار-ويژگي (QSPR) است. قبل از محاسبه توصيف كننده ها، هر يك از ساختارهاي تركيبات گوگردي با تئوري تابع چگالي (DFT) و بر پايه B3LYP و ++G (d,p) 6-311 به كمك نرم‌افزار گائوسين بهينه شدند. بر اساس مدل به‌دست‌آمده، مشخص ‌شده است كه از بين تعداد زيادي توصيف‌كننده مولكولي از ساختارهاي تركيبات گوگردي، تنها يك توصيف‌كننده ساختاري با اين خاصيت موردمطالعه رابطه كمّي و كيفي دارد. ضريب تعيين مدل به‌دست‌آمده برابر 93/0R2 = مي‌باشد. داده هاي پيش بيني شده با داده هاي تجربي مطابقت خوبي داشتند. توصيف‌كننده مولكولي از نوع نمايش سه‌بعدي مولكولي از ساختار كه بر پايه‌ي پراش الكتروني مي‌باشد. با اين توصيف‌كننده پيش‌بيني خاصيت موردمطالعه براي ساختارهاي جديدي از تركيبات گوگردي امكان‌پذير است.