.png){kind=icon}
返回
Infrared-Driven Polymer Intelligence
.png){kind=icon}
OA
AI
DOI：10.1002/aisy.202500427.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
红外（IR）光谱技术能够直接揭示聚合物的振动模式，但其预测关键热力学性质的潜力尚未得到充分探索。在此研究中，将IR光谱与机器学习（ML）模型（包括支持向量回归（SVR）和卷积神经网络）相结合，以高精度预测不同聚合物配方中的玻璃化转变温度（ T g $T_{g}$ ）。与基于指纹特征的描述符相比，IR驱动的分析方法能够捕捉影响聚合物性质的细微分子变化，例如杂质、添加剂和着色剂。通过利用丰富的光谱数据，模型实现了更优的预测性能，其中SVR模型达到最高的预测精度，其 R 2 $R^{2}$ 值为0.94，且残差分布更集中。此外，通过将这些模型应用于3D打印，实现了实时过程控制，动态调整床体和喷嘴温度以适应原料的变异性。这一端到端系统凸显了IR赋能的机器学习在推动聚合物表征方面的潜力，为更智能、更自适应、更高效的制造流程提供了可靠途径。
Keyword:
fingerprint descriptors
glass transition temperature prediction
infrared-based prediction
intelligent process control
machine learning
polymer
