A chemoinformatic approach based on the codification of all the pairs atomic intercomponent interactions between cation/gas and anion/gas (Ionic Liquid+Gas) in a Kohonen neural network (MOLMAPs) is presented in this work. The form of codification, validated by molecular dynamics, is a first valuable tool to highlight the most attractive and repulsive interactions responsible for a concrete solubility of a given gas in an ionic liquid.

中文翻译：

---

气体在离子液体中的溶解度：一种化学信息学预测和解释方法

这项工作提出了一种化学信息学方法，该方法基于Kohonen神经网络 (MOLMAP) 中阳离子/气体和阴离子/气体（离子液体 + 气体）之间的所有成对原子间组分相互作用的编码。通过分子动力学验证的编码形式是第一个有价值的工具，用于突出最有吸引力和排斥性的相互作用，这些相互作用负责给定气体在离子液体中的具体溶解度。