در این تحقیق , توانایی شبکه عصبی جهت تخمین دانسیته و ویسکوزیته شش گروه از مایعات یونی شامل کاتیونهای ایمیدازولیوم , پیرولیدینیوم , پیریدینیوم , ایزوکوینولینیوم , آمونیوم و آمینو اسید و همچنین دانسیته و ویسکوزیته محلول های دو جزئی این مایعات یونی با حلال های قطبی و غیر قطبی بررسی شدند. به منظور آموزش و ارزیابی شبکه عصبی ، از داده های آزمایشگاهی مندرج در مقالات منتشر شده بهره گرفته شد. جرم مولکولی مایع یونی و جرم مولکولی اجزای ساختاری آن به همراه دما , فشار و غلظت سیستم مورد مطالعه ( کسر مولی مایع یونی در مورد محلول های دو جزئی ) و همچنین جرم مولکولی و دمای جوش کاهیده حلال به عنوان متغیرهای مستقل ورودی شبکه عصبی انتخاب گردیدند. نتایج نشان دادند که شبکه های عصبی سه لایه ای از نوع feed forward دارای توابع انتقال log sigmoid , tan sigmoid و purelin قادر به پیش بینی مقادیر دانسیته و ویسکوزیته مایع یونی خالص و همچنین محلول دو جزئی غیر ایده آل آن می باشد. میانگین درصد خطای مطلق شبکه عصبی بر روی مجموعه تست ، جهت پیش بینی دانسیته و ویسکوزیته مایع یونی خالص به ترتیب برابر با 0.014 % و 4.65 % و جهت پیش بینی دانسیته و ویسکوزیته محلول دو جزئی مایع یونی به ترتیب برابر با 0.023 % و 4.8 % محاسبه گردید