O desenvolvimento de um modelo de aprendizado de máquina permitiu a identificação de novos compostos explosivos. O modelo foi utilizado com dados termoquímicos e modelagem de explo

O desenvolvimento de um modelo de aprendizado de máquina permitiu a identificação de novos compostos explosivos. O modelo foi utilizado com dados termoquímicos e modelagem de explosões para prever o calor de explosão (ΔHe), considerada a propriedade chave para a avaliação da performance energética de compostos. O ΔH_e é relacionado às entalpias-padrão de formação (ΔH_f) dos participantes da reação de acordo com a equação a seguir, em que \(\sum_{p=1}^N\, \triangle H_f\) representa o somatório das entalpias-padrão de formação dos produtos e \(\sum_{r=1}^N\, \triangle H_f\) , o somatório das entalpias-padrão de formação dos reagentes.

\(\triangle H_e - \left( \sum_{p=1}{N} \triangle H_f - \sum_{r=1}^{N} \triangle H_f \right)\)

A explosão do composto RDX (C₃H₆N₆O₆) ocorre por meio da reação a seguir representada.

C₃H6N6O6 (s) → 3 CO (g) + 3 H₂O (g) + 3 N₂ (g)

A partir de uma base de 140 milhões de moléculas, o modelo identificou centenas de compostos com desempenho equivalente ou superior ao TNT, tais como nitrato de ureia, 2,4-dinitrofenil-hidrazina (DNPH) e 1,1-diamino-2,2-dinitroeteno. A rota sintética de obtenção do composto DNPH é representada pelo esquema a seguir.

A partir dessas informações e considerando que o volume molar de um gás ideal nas CNTP seja 22,4 L e que todos os gases se comportem de forma ideal, julgue o item que se segue.

A fórmula estrutural do composto 1,1-diamino-2,2-dinitroeteno é corretamente apresentada na figura a seguir.