Murakami Laboratory Shizuoka University

Ternary-mixture kinematic viscosity · 298.15 K

McAllisterViscosityNN

3成分のSMILES、純成分動粘度、モル分率から、液体混合物の動粘度を推算します。

Estimate the kinematic viscosity of a ternary liquid mixture from each component's SMILES, pure-component viscosity, and mole fraction.

論文モデルによるブラウザ内推算 In-browser inference with the manuscript model

Try the model

混合条件を入力Enter mixture conditions

分子記述子とモル質量はRDKit.jsによりSMILESから自動計算され、推算処理はブラウザ内で完結します。

RDKit.js calculates molecular descriptors and molar masses from the SMILES strings, and all inference runs in your browser.

成分 1Component 1
成分 2Component 2
成分 3Component 3

モル分率の合計Mole-fraction total—

予測動粘度Predicted kinematic viscosity

Loading

—mm2/s

Before use

データと利用上の注意Data and important notes

01

学習データの情報源

Training data sources

学習済みモデルは、論文で用いた全448点にfittingされています。このうち324点は本研究で測定し、関連論文のSupplementary Data S1として公開したデータです。残る124点には、Nhaesi and Asfour (2000)およびHussein and Asfour (2018)が報告した三成分混合物データを使用しました。

The pretrained model was fitted to all 448 observations used in the manuscript. Of these, 324 were measured in this study and are provided as Supplementary Data S1 with the associated article. The remaining 124 observations are ternary-mixture data reported by Nhaesi and Asfour (2000) and Hussein and Asfour (2018).

Nhaesi and Asfour, J. Chem. Eng. Data 45 (2000) 991–995 / DOI ↗ Hussein and Asfour, Int. J. Nat. Eng. Sci. 12 (2018) 26–36 ↗

02

ツール利用時の引用情報

Citation information

本ツールを研究で利用した場合は、以下の関連論文を引用してください。

If you use this tool in research, please cite the associated article below.

Suggested citation

Hatoyama, A.; Murakami, Y. A physics-guided neural network with McAllister-inspired multibody aggregation: Generalizing viscosity prediction to unseen organic components in strongly non-ideal mixtures. Manuscript (2026). https://doi.org/10.XXXX/XXXX

03

GitHub公開版

GitHub version

モデル定義、学習・LOCO評価・推論コード、自前実測データ、学習済みensembleはGitHubで公開しています。Web版と同じ4-body ELV-NNをPythonから利用できます。

The model definition, training, LOCO evaluation and inference code, original measurements, and pretrained ensemble are available on GitHub. The same 4-body ELV-NN can be used from Python.

yuya-murakami-su/McAllisterViscosityNN / GitHub ↗

04

利用範囲

Scope of use

本モデルは三成分液体混合物を対象とし、学習には298.15 Kのデータのみを使用しています。C、H、N、O以外の元素、学習範囲外のモル質量または純成分動粘度を含む入力にも計算結果を表示しますが、適用範囲外の警告を併記します。未知成分に対する精度は学習成分との化学的類似性に依存します。本ツールは研究用のスクリーニングを目的としており、プロセス設計、安全性評価、規制上の判断には独立した実測値を使用してください。

The model targets ternary liquid mixtures and was trained exclusively on data measured at 298.15 K. Predictions are still displayed for inputs containing elements other than C, H, N, and O or pure-component properties outside the training range, but an applicability warning is shown. Accuracy for unseen components depends on their chemical similarity to the training components. This tool is intended for research screening; use independent experimental measurements for process design, safety assessment, and regulatory decisions.