Predicting ceiling temperature for recyclable polymer design using machine learning

doi:10.1016/j.crsus.2026.100652

Predicting ceiling temperature for recyclable polymer design using machine learning

2026-04-24

2

PRE

AI

DOI：10.1016/j.crsus.2026.100652

原文链接

原文求助

摘要

En 中文

回收率不足造成了对新可回收材料的关键需求。固有可回收聚合物（IRPs）可通过选择性解聚反应在温和条件下化学回收为单体，使其成为传统塑料的有吸引力的替代品。计算设计IRPs需要了解热力学上限温度（TC），但由于结构、链长、相态和化学相互作用之间的相互作用，使用密度泛函理论预测TC较为困难。本文报道了机器学习模型，用于预测TC及其组成部分——聚合焓和聚合熵，使用了迄今为止为这些性质汇总的最大实验数据集，涵盖了各种相态下的开环聚合、乙烯基加成聚合和离子聚合类型。我们的特征集包括文献信息描述符和聚合焓的预估计值。对于指定的单体结构和相态/溶剂组合，我们的模型预测聚合焓、聚合熵和TC的误差分别为1.27 kcal/mol、3.24 cal/mol/K和136℃，从而促进为塑料可回收性设计IRP。

Keyword:

SUBSTITUENT

LACTONE

Predicting ceiling temperature for recyclable polymer design using machine learning

摘要

期刊

机构

引用论文