.png){kind=icon}
返回
Machine learning inversion from small-angle scattering for charged polymers
.png){kind=icon}
OA
AI
DOI：10.1039/D5DD00038F.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
我们开发了用于均匀带电聚合物的蒙特卡罗模拟和一种机器学习算法，以解释带电聚合物体系的内聚结构因子；该因子可从小角散射实验中获得。聚合物被建模为固定长度键的链；其中连接的键受弯曲能约束；并且所有关节之间的电荷相互作用还存在一个屏蔽库仑势。弯曲能由固有弯曲刚度决定；电荷相互作用取决于相互作用强度和屏蔽长度。这三个因素都贡献于聚合物链的刚度，并导致聚合物构象更长更大。屏蔽长度除了弯曲持久长度外，还为聚合物引入了第二个长度尺度。为了从结构因子到这些聚合物构象和能量相关参数的反向映射；我们通过运行广泛的聚合物能量参数的模拟来生成大量结构因子数据集。我们使用主成分分析来研究内聚结构因子，并利用最近邻距离确定反向映射的可行性。我们采用高斯过程回归来实现反向映射，并从结构因子中以低相对误差提取聚合物的特征参数。
Keyword:
Monte Carlo simulations
machine learning
structure factor
charged polymers
small-angle scattering
Gaussian process regression
principal component analysis
期刊
IF:
5.6
论文数:
997
被引数:
1.7K
机构
引用论文
Inferring colloidal interaction from scattering by machine learning通过机器学习从散射推断胶体相互作用.png)
CARBON TRENDS
OAAI
CARBON TRENDSIF3.9
OAAI分享收藏Unveiling mesoscopic structures in distorted lamellar phases through deep learning-based small angle neutron scattering analysis通过基于深度学习的小角度中子散射分析揭示扭曲的层状相中的介观结构
PREAI
分享收藏Off-Lattice Markov Chain Monte Carlo Simulations of Mechanically Driven Polymers机械驱动聚合物的非晶格马尔可夫链蒙特卡罗模拟OAAI
OAAI分享收藏
查看更多内容