摘要
对于不相溶聚合物混合物的形态控制至关重要，因为这可以调节材料的性能，然而预测其相结构仍然具有挑战性。本研究结合了理论建模、实验表征和机器学习方法来分析聚苯乙烯/聚（甲基丙烯酸甲酯）（PS/PMMA）混合物的形态。在PMMA含量为60–68%的情况下，使用Utracki和Yu-Bousmina-Schreiber模型预测了相变组成，这些预测结果与透射电子显微镜观察结果吻合良好。PS-b-PMMA嵌段共聚物增稠剂有效稳定了混合物的形态，并扩大了共连续区域。共连续性指数（CCI*）用于量化形态特征，在PMMA含量为40–60%时显示出最大的共连续性（CCI* = 0.70–0.86）。贝叶斯优化方法通过最少的实验次数确定了最佳加工窗口，而机器学习模型，特别是随机森林模型，能够成功预测共连续性指数。结果表明，组成因素比加工条件对形态形成具有更重要的影响。这种综合方法为加速聚合物混合物的开发提供了有效的框架，同时减少了所需的实验次数。
亮点
- 利用机器学习设计具有定制互连网络的聚合物混合物
- 利用透射电子显微镜图像评估共连续性并指导混合物设计
- 通过理论和实验研究聚合物混合物中的相变现象
- 研究嵌段共聚物作为增稠剂在混合物形态中的作用
数据可用性声明
本研究的支持数据可向相应作者提出合理请求后获取。
