用于评估含氟热塑性塑料流变特性的机器学习技术

《ACS Applied Polymer Materials》：Machine Learning Techniques to Assess Rheological Similarity in Fluorinated Thermoplastics

　　

摘要

在本文中，我们运用降维方法来评估不同批次的聚偏二氟乙烯-共-三氟氯乙烯（PVDF-CTFE）在流变学特性上的相似性。我们的目标是从六种候选批次中找出与传统含PFAS聚合物在流变学特性上最相似的、不含PFAS的PVDF-CTFE聚合物批次。所研究的传统批次是一种在乳液聚合过程中使用全氟和多氟烷基物质（PFAS）作为表面活性剂的PVDF-CTFE聚合物。开展这项研究的动机是美国环保署针对PFAS在合成过程中的使用所制定的法规。我们采用了主成分分析和线性判别分析来降低数据集的维度。研究结果表明，合成温度是决定材料流变学特性的关键因素，而引发剂浓度和混合速度等其它合成参数则仅起次要作用。此外，我们还发现，这种用于评估流变学相似性的降维分析方法不需要流变数据中储能模量和损耗模量曲线之间存在交叉点，相比传统分析方法而言更具灵活性，因为传统方法需要依靠零剪切粘度、交叉频率和模量等关键指标来评估相似性。