纵火案中，DNA或指纹等证据往往会被销毁，剩下的最重要的证据之一是将助燃剂与嫌疑人联系起来。也就是说，当汽油被用作促进剂时，找到一个强有力的迹象，表明火灾现场的汽油样本与嫌疑人的样本有关。从火灾现场采集的汽油样本经过风化处理，因此无法进行直接比较。

荷兰代尔夫特理工大学Mahinder Ramdin与Thijs J. H. Vlugt等，结合机器学习、热力学建模和量子力学来预测剩余未风化汽油样品的成分。他们的方法预测了风化汽油样品中60种主要成分的初始（未风化）成分，当风化至80%w/w时，误差条约为4%。这表明机器学习是预测风化汽油初始成分的一种有价值的工具，从而协助将样品与嫌疑犯联系起来。

风化过程和所用建模方法的示意如上图。左图：未风化的（原始）汽油样本，被发现藏于嫌疑人。右图：汽油混合物因火灾而发生成分变化或风化。结合热力学建模、量子化学计算和机器学习，将风化和未风化样品的成分联系起来。风化过程根据基于公式（1）（如图中所示）描述，公式的正向积分用于从原始样品开始预测风化样品的成分，反向积分用于从风化样品中获得原始汽油的成分。多组分混合物的活度系数由AMS软件中COSMO-RS模块计算得到。人工神经网络（ANNs）在这些数据的基础上训练出来，用于预测给定成分的蒸发率或风化程度。

参考文献：

• Sander Korver, Eva Schouten, Othonas A. Moultos, Peter Vergeer, Michiel M. P. Grutters, Leo J. C. Peschier, Thijs J. H. Vlugt & Mahinder Ramdin, Artificial intelligence and thermodynamics help solving arson cases, Scientific Reports volume 10, Article number: 20502 (2020)