inovativní metody pro regresi termodynamické vlastnosti čistých tekutin byl nedávno navrhla. Technika, uvedena jako rozšířená stavová rovnice, přijímá rámce podobné rozšířené odpovídající státech metoda, ale kubickou rovnici se předpokládá, že místo rovnice stav referenční kapaliny a tvar funkce jsou vyjádřeny prostřednictvím vícevrstvé dopředných sítě. Použití neuronové sítě zajišťuje velmi vysokou flexibilitu funkční formulář ustoupila, takže výsledný model dosahuje zastoupení přesností, která je srovnatelná se dosáhne tím, state-of-the-art multiparametrový rovnic státu v zastoupení termodynamické vlastnosti čistých tekutin. Tato technika byla zde aplikována na hexafluorid síry, jehož cílem bylo nakreslit jeho vyhrazenou stavovou rovnici v heuristickém režimu přímo z dostupných experimentálních dat. Pro fluorid sírový (kritický bod je při TC=318.7232 K a Pc=3.754983MPa), jsou k dispozici experimentální data několika vlastností v homogenních stavech a vlastností ve fázové rovnováze. Data přibližně pokrývají rozsah od triple-point teploty na 223.6upto625K a pro tlaky až 60MPa. Regresní postup byl vyvinut na podmnožinu dobře distribuován hustota a kapalina–pára soužití dat, tzv. „training set,“ a model byl postupně ověřeny pro všechny datové sady, včetně literatury, zdrojů zpravodajské hodnoty izobarické tepelné kapacity, rychlosti zvuku, a Joule–Thomson koeficient. Získané výsledky jsou uspokojivé; ve skutečnosti navrhovaná stavová rovnice představuje dostupná data v rámci jejich experimentální přesnosti.