基于时域与溶液态多模态核磁共振及多任务深度学习实现聚乙烯循环经济质量分级

《Journal of Magnetic Resonance Open》：Time-Domain and Solution-State Multimodal NMR and Multitask Deep Learning for the Polyethylene Circular Economy

　　

摘要专业翻译 多模态核磁共振（NMR）可捕获老化聚乙烯（PE）中的化学缺陷与链动力学。确定性信息瓶颈（deterministic information bottleneck）将核磁共振数据投影至二维潜在空间。潜在轴正交解耦化学老化与力学刚度。建立了老化聚烯烃片材的快速质量分级框架。

论文解读文章

一、研究背景与问题

建立消费后塑料废弃物的闭环回收体系对于实现循环碳经济至关重要。聚乙烯（PE）作为全球产量最大的合成聚合物，在包装薄膜和结构材料中占据最大份额。尽管催化热解等化学回收路线可提供回收烃类原料的替代途径，机械回收在工业规模上仍是最具经济可行性和碳效率的策略。然而，消费后回收（PCR）聚乙烯的闭环循环性从根本上受限于缺乏快速且稳健的质量分级框架。回收流不可避免地积累异质污染物（不相容聚合物组分、添加剂和残余填料），同时伴随不可逆的热机械和光氧化降解。

在环境太阳辐射下，聚烯烃降解遵循由自由基介导的光氧化所主导的高度非线性大分子路径。自由基驱动的主链断裂通过Norrish型反应产生可溶性低分子量片段，并引入痕量含氧缺陷及末端乙烯基。与此同时，自由基重组引发长链支化（LCB）、局部交联和二次化学结晶。由于这些对立机制同时缩短链长并增加拓扑复杂性，本体降解严重违背简单的单调假设，为常规分析方法造成实质性表征盲区。

常规表征方案（包括凝胶渗透色谱（GPC）和傅里叶变换红外光谱（FT-IR））无法解析这些协同演化路径。对立的断链与支化事件使平均分子量呈现欺骗性的稳定，而经典羰基指数与残余力学延展性脱耦。核磁共振（NMR）波谱学独特地弥合了这一跨尺度鸿沟：高分辨溶液态核磁共振（HR-NMR）可定量解析痕量氧化与支化缺陷，而台式时域核磁共振（TD-NMR）和固态核磁共振直接探测结晶度、相界面及链段动力学。

然而，将深度学习（DL）架构直接部署于聚合物核磁共振表征面临三个根本瓶颈：第一，多维核磁共振的长采集时间和高实验成本将数据集规模限制在少样本区间，严重损害分布外泛化能力；第二，异质核磁共振脉冲序列捕获截然不同的自旋演化物理，为单模态优化的表征无法直接迁移至异核二维相关谱或时域弛豫测量，简单特征拼接无法保留模态特异性物理；第三，常规端到端模型作为不透明黑箱运行，无法提供物理可解释性以揭示微观化学缺陷和多相动力学如何共同决定宏观力学失效。

二、研究内容与意义

为应对上述挑战，研究人员提出了一种受信息瓶颈（IB）原理约束的多模态机器学习框架。研究利用光氧化老化产生可溶性低分子量片段这一物理洞察，将其作为敏感缺陷指纹。通过对粉碎聚乙烯进行室温氘代氯仿（CDCl₃）提取，结合高分辨溶液态核磁共振（1D ¹H、2D J-resolved和2D ¹H-¹³C HSQC）解析痕量化学缺陷；同时利用台式时域核磁共振弛豫测量（MSE和CPMG）探测完整固体片材的多相链段动力学。在此架构下，模态特异性编码器将异质谱学观测量投影至统一二维潜在空间，并由联合老化里程碑分类和杨氏模量回归头进行正则化。方向性雅可比-向量积（JVP）轨迹积分和SHAP特征归因揭示，该潜在空间自发自组织为正交轴，分别编码力学刚度（z₀）和化学老化进程（z₁）。研究结果证明，聚烯烃降解轨迹收敛于由双决定因素机制控制的普适微观结构状态，为闭环塑料回收建立了可解释的快速稳健质量分级范式。

三、关键技术方法

研究人员采用了以下主要关键技术方法：多模态核磁共振波谱学（包括高分辨溶液态核磁共振的1D ¹H、2D J-resolved和2D ¹H-¹³C HSQC脉冲序列，以及台式时域核磁共振的MSE和CPMG弛豫测量）；确定性信息瓶颈约束的多任务深度学习框架（包含模态特异性编码器、二维潜在空间投影、老化里程碑分类头和杨氏模量回归头）；方向性雅可比-向量积轨迹积分用于潜在空间可解释性分析；SHAP特征归因用于识别关键谱学特征。样本队列来源为三种商业原生聚乙烯树脂（HDPE、LDPE和LLDPE）及其共混物，共建立23种配方条件、69个独立样品状态。

四、研究结果

多模态核磁共振捕获化学缺陷与链动力学。 通过室温CDCl₃提取老化聚乙烯粉末，研究人员利用高分辨溶液态核磁共振解析了可溶性低分子量片段中的痕量氧化缺陷和末端乙烯基；同时通过台式时域核磁共振弛豫测量探测了完整固体片材的结晶相、界面相和非晶相的链段动力学。结果表明，光氧化老化产生的可溶性片段可作为化学缺陷的敏感指纹，而时域弛豫信号则反映多相链段动力学变化。

确定性信息瓶颈将核磁共振数据投影至二维潜在空间。 研究人员构建了受信息瓶颈原理约束的多模态深度学习框架，各模态特异性编码器将异质谱学数据映射至统一二维潜在空间，并由老化里程碑分类和杨氏模量回归任务联合正则化。该框架在少样本条件下实现了有效的特征提取和泛化。

潜在轴正交解耦化学老化与力学刚度。 通过方向性雅可比-向量积轨迹积分和SHAP特征归因分析，研究人员发现潜在空间自发自组织为两个正交轴：z₀编码力学刚度（杨氏模量），z₁编码化学老化进程。这两个轴的解耦表明化学缺陷积累与力学性能变化遵循相对独立的演化路径。

建立老化聚烯烃片材的快速质量分级框架。 研究揭示聚烯烃降解轨迹收敛于由双决定因素机制控制的普适微观结构状态。该发现为基于多模态核磁共振和深度学习的老化聚烯烃快速质量分级提供了可解释的框架基础。

五、讨论与结论

讨论部分指出，常规表征方法（如GPC和FT-IR）无法解析光氧化老化中同时发生的断链与支化事件，导致平均分子量呈现欺骗性稳定且羰基指数与力学延展性脱耦。多模态核磁共振结合信息瓶颈约束的深度学习框架能够弥合这一跨尺度表征鸿沟，在少样本条件下实现稳健的分布外泛化，并提供物理可解释性。

研究结论表明，多模态核磁共振可捕获老化聚乙烯中的化学缺陷与链动力学；确定性信息瓶颈将核磁共振数据投影至二维潜在空间；潜在轴正交解耦化学老化与力学刚度；该框架建立了老化聚烯烃片材的快速质量分级体系。研究证明聚烯烃降解轨迹收敛于由双决定因素机制控制的普适微观结构状态，为闭环塑料回收中的快速稳健质量分级确立了可解释的范式。