en nyskapende metode for regresjon av termodynamiske egenskaper av rene væsker ble nylig foreslått. Teknikken, angitt som en utvidet tilstandsligning, vedtar et rammeverk som ligner den utvidede tilsvarende tilstandsmetoden, men en kubisk ligning antas i stedet for tilstandsligningen til referansevæsken, og formfunksjonene uttrykkes gjennom et flerlags feedforward neuralt nettverk. Bruken av et nevralt nettverk sikrer en meget høy fleksibilitet av den funksjonelle formen som skal regresseres, slik at den resulterende modellen når en representasjonsnøyaktighet som er sammenlignbar med den som oppnås ved de toppmoderne multiparameter-ligningene av staten i representasjonen av de termodynamiske egenskapene til en ren væske. Teknikken ble brukt her til svovelheksafluorid med sikte på å tegne sin dedikerte tilstandsligning i en heuristisk modus direkte fra de tilgjengelige eksperimentelle dataene. For svovelheksafluorid (kritisk punkt er Ved Tc=318.7232 K og Pc=3.754983MPa), eksperimentelle data av flere egenskaper i homogene tilstander og egenskaper ved fasevekt er tilgjengelige. Dataene dekker omtrent området fra trippelpunktstemperaturen ved 223. 6upto625K og for trykk opp til 60MPa. Regresjonsprosedyren ble utviklet på en delmengde av godt distribuert tetthet og damp–væske sameksistensdata, det såkalte «treningssettet», og modellen ble suksessivt validert for alle datasettene, inkludert litteraturkilder som rapporterte verdier av isobarisk varmekapasitet, lydhastighet og joule–Thomson-koeffisient. De oppnådde resultatene er tilfredsstillende; faktisk representerer den foreslåtte tilstandsligningen de tilgjengelige dataene innenfor deres eksperimentelle nøyaktighet.