已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

Multitask Machine Learning to Predict Polymer–Solvent Miscibility Using Flory–Huggins Interaction Parameters

混溶性 聚合物 溶剂 弗洛里-哈金斯解理论 热力学 相(物质) 低临界溶液温度 材料科学 化学 共聚物 有机化学 物理
作者
Yuta Aoki,Stephen Wu,Teruki Tsurimoto,Yoshihiro Hayashi,Shunya Minami,Okubo Tadamichi,Kazuya Shiratori,Ryo Yoshida
出处
期刊:Macromolecules [American Chemical Society]
卷期号:56 (14): 5446-5456 被引量:13
标识
DOI:10.1021/acs.macromol.2c02600
摘要

Predicting and understanding the phase equilibria or phase separation in polymer–solvent solutions represent unresolved fundamental problems in polymer science. The phase behavior and thermodynamics of polymer miscibility depend on the inter- and intramolecular interactions of a polymer with a certain molecular weight distribution mixed with a solvent. Here, we develop a machine-learning framework to achieve highly generalized and robust prediction of Flory–Huggins χ parameters for polymer–solvent solutions. The model was trained using experimentally observed temperature-dependent χ parameters for 1190 samples, comprising 46 unique polymers and 140 solvent species. However, the difficulty was that the data set was quantitatively limited and qualitatively biased owing to technical issues in determining the Flory–Huggins χ parameters. To overcome these limitations, we produced an in-house data set of χ parameters obtained from quantum chemical calculations for thousands of polymer–solvent pairs and a large list of soluble and insoluble polymer–solvent pairs. Using these three data sets, we conducted multitask machine learning that simultaneously performed the "soluble/insoluble" classification and quantitative evaluation of both experimental and calculated χ parameters. Consequently, we obtained a highly generalized model applicable to a wide range of polymer solution spaces. In this paper, the predictive power and physicochemical implications of the model are demonstrated, along with quantitative comparisons with existing methods.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
2秒前
3秒前
3秒前
luna完成签到,获得积分10
6秒前
6秒前
王二完成签到,获得积分10
7秒前
9秒前
12秒前
似水流年发布了新的文献求助10
12秒前
13秒前
14秒前
lin发布了新的文献求助10
17秒前
18秒前
gggghhhh发布了新的文献求助10
19秒前
科目三应助李思言采纳,获得20
23秒前
24秒前
25秒前
北雨发布了新的文献求助10
29秒前
29秒前
MAC发布了新的文献求助10
30秒前
丘比特应助QF采纳,获得10
31秒前
31秒前
32秒前
33秒前
34秒前
岸在海的深处完成签到 ,获得积分10
35秒前
wanci应助失眠的水风采纳,获得10
36秒前
37秒前
nnnd77发布了新的文献求助10
37秒前
暴躁的元灵完成签到 ,获得积分10
40秒前
李思言发布了新的文献求助20
44秒前
似水流年完成签到,获得积分20
45秒前
MillionMiao发布了新的文献求助30
45秒前
46秒前
46秒前
天天快乐应助小方采纳,获得10
48秒前
南宫书瑶发布了新的文献求助10
49秒前
49秒前
lsh发布了新的文献求助10
49秒前
lxy66881完成签到,获得积分10
50秒前
高分求助中
Evolution 10000
Sustainability in Tides Chemistry 2800
юрские динозавры восточного забайкалья 800
English Wealden Fossils 700
An Introduction to Geographical and Urban Economics: A Spiky World Book by Charles van Marrewijk, Harry Garretsen, and Steven Brakman 600
Diagnostic immunohistochemistry : theranostic and genomic applications 6th Edition 500
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 400
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3154722
求助须知:如何正确求助?哪些是违规求助? 2805534
关于积分的说明 7865058
捐赠科研通 2463710
什么是DOI,文献DOI怎么找? 1311554
科研通“疑难数据库(出版商)”最低求助积分说明 629647
版权声明 601832