基于物理引导学习和基于扩散的逆向设计的一种高效管式LDPE熔体强度描述符

发布时间:2026-10-04 | 来源:MDPI Polymers | 分类:PE | 作者:Yifei Wang, Guogang Liu, Lin Liu, Yue Yu, Peiqian Yu, Lin Ma, Linlin Wei, Zhe Zhou, Linfeng Chen, De

熔体强度(MS)是决定低密度聚乙烯(LDPE)加工性能和应用的关键参数,受分子量分布(MWD)、长链支化(LCB)和高分子量组分之间复杂相互作用的支配——这些特征难以被重均分子量(Mw)等传统指标所捕捉。本文通过开发一种物理引导的机器学习框架来应对这一挑战,该框架利用现代多检测器高温凝胶渗透色谱(MD-GPC)从全谱M

熔体强度(MS)是决定低密度聚乙烯(LDPE)加工性能和应用的关键参数,受分子量分布(MWD)、长链支化(LCB)和高分子量组分之间复杂相互作用的支配——这些特征难以被重均分子量(Mw)等传统指标所捕捉。本文通过开发一种物理引导的机器学习框架来应对这一挑战,该框架利用现代多检测器高温凝胶渗透色谱(MD-GPC)从全谱MWD数据中直接构建分子描述符列表,并与熔体强度背后的聚合物缠结基本原理明确对齐。该描述符能够实现精确预测和拓扑贡献的可解释解耦。本文进一步引入了一种基于扩散的生成模型用于逆向设计:给定目标熔体强度,该模型提出候选分子结构,并通过与所学结构-性能关系的内在一致性进行验证,为LDPE分子结构的精确工程化提供了合理且数据驱动的策略,从而为下游工程决策提供了相当大的灵活性。从业者可根据实际因素——包括聚合工艺约束、树脂选择与共混的成本考量以及制造操作窗口——进一步优化或筛选这些候选方案,从而高精度地针对特定应用需求定制LDPE分子结构/产品。

返回资讯频道