利用机器学习预测聚合物共混物薄膜的形态。

发布时间:2025-06-09 | 来源:Semantic Scholar | 分类:PMMA | 作者:Bishnu R; R. Mukherjee; Nandini Bhandaru; Arnab Dutta

当两种不相容的聚合物从共同溶剂中旋涂时,它们会发生相分离,形成依赖于多种参数的介观形貌。相分离形貌在决定共混薄膜潜在应用方面起着关键作用。作为对实验人员的指导,提出了一种基于机器学习的分类框架,能够预测PS/PMMA共混薄膜的形貌。以PS的重量分数、PMMA的分子量、浓度和基底表面能等不同实验参数作为输入,基于这些输入

当两种不相容的聚合物从共同溶剂中旋涂时,它们会发生相分离,形成依赖于多种参数的介观形貌。相分离形貌在决定共混薄膜潜在应用方面起着关键作用。作为对实验人员的指导,提出了一种基于机器学习的分类框架,能够预测PS/PMMA共混薄膜的形貌。以PS的重量分数、PMMA的分子量、浓度和基底表面能等不同实验参数作为输入,基于这些输入,使用多类分类模型预测形貌类型,即柱状、孔状或岛状。使用了多种机器学习算法来开发所提出的分类器。支持向量机(SVM)算法取得了93.75%的最高准确率。还实现了一种可解释的机器学习算法,以从所提出的SVM模型中提取有价值的见解。这些见解与实验观察结果高度一致,因此不仅增强了预测模型的可靠性,还加深了对PS/PMMA共混物中相分离的理解。基于这些见解,推荐了若干指导原则,以进一步辅助特定形貌的实验设计。还开发了一个易于使用的网络工具,使得所提出的模型可以免费访问,有望加速应用特定薄膜的设计。

返回资讯频道