en innovativ metod för regression av termodynamiska egenskaper hos rena vätskor föreslogs nyligen. Tekniken, indikerad som en utökad tillståndsekvation, antar en ram som liknar den utvidgade motsvarande tillståndsmetoden, men en kubisk ekvation antas istället för tillståndsekvationen för referensvätskan och formfunktionerna uttrycks genom ett flerskiktsflöde neuralt nätverk. Användningen av ett neuralt nätverk säkerställer en mycket hög flexibilitet hos den funktionella formen som ska regresseras, så den resulterande modellen når en representationsnoggrannhet som är jämförbar med den som uppnås av state-of-the-art multiparameter ekvationer av tillstånd i representationen av de termodynamiska egenskaperna hos en ren vätska. Tekniken applicerades här på svavelhexafluorid som syftar till att dra sin dedikerade tillståndsekvation i ett heuristiskt läge direkt från tillgängliga experimentella data. För svavelhexafluorid (kritisk punkt är vid Tc=318.7232 K och Pc=3.754983mpa), experimentella data om flera egenskaper i homogena tillstånd och egenskaper vid fasjämvikt finns tillgängliga. Data täcker ungefär intervallet från trippelpunktstemperaturen vid 223. 6upto625K och för tryck upp till 60MPa. Regressionsproceduren utvecklades på en delmängd av välfördelad densitet och ångvätska samexistens data, den så kallade ”träningsuppsättningen” och modellen validerades successivt för alla datamängder, inklusive litteraturkällorna som rapporterade värden för Isobar värmekapacitet, ljudets hastighet och Joule–Thomson-koefficient. De erhållna resultaten är tillfredsställande; i själva verket representerar den föreslagna tillståndsekvationen tillgängliga data inom deras experimentella noggrannhet.