使用凝透染色学与人工神经网络相结合,对聚乙烯进行增强的共聚物特性鉴定
Tibor Nagy1, Gergő Róth1,2, Máté Benedek1
1Department of Applied Chemistry, Faculty of Science and Technology, University of Debrecen, Egyetem tér 1, H-4032 Debrecen, Hungary.
Analytical chemistry
|June 22, 2023
概括
这项研究引入了一种新的凝浸透色谱-人工神经网络 (GPC-ANN) 方法来确定共聚合物组成和分子量. 该GPC-ANN方法准确地分析了聚乙烯氧化物) -聚乙烯氧化物) 块共聚合物.
科学领域:
- 聚合物化学 聚合物化学
- 分析化学 分析化学
- 计算化学计算化学
背景情况:
- 凝浸透色谱 (GPC) 是聚合物质量分析的标准,但缺乏共聚合物组成数据.
- 准确地描述共聚合物组成和分子量对于材料科学应用至关重要.
研究的目的:
- 开发和验证一种新的方法,将凝浸透色谱 (GPC) 与人工神经网络 (ANN) 结合起来,用于全面的共聚物分析.
- 使用ANN处理的GPC数据,准确确定共聚物的分子量和化学成分.
主要方法:
- 在GPC数据上训练的两个人工神经网络 (ANN) 的开发.
- 对ANN培训的目标值是使用矩阵辅助激光消化/电离飞行时间质谱法 (MALDI-TOF MS) 和核磁共振 (NMR) 谱法确定的.
- 应用了GPC-ANN方法来分析聚乙烯氧化物-聚乙烯氧化物 (PEO-PPO) 块共聚合物 (poloxamers).
主要成果:
- 通过GPC-ANN方法成功确定了分子量和共聚合物组成,并与MALDI-TOF MS和NMR进行了验证.
- 在实验和预测输出之间观察到高相关性 (r > 0.98).
- 两种ANN的数量平均分子量 (Mn) 预测准确率低于5%,均低于5%.
结论:
- GPC-ANN方法提供了一种强大而准确的方法,用于对共聚物进行详细的表征,克服了传统GPC的局限性.
- 这项工作代表了创建开放数据库和扩大GPC-ANN用于共聚合物分析的应用的基本步骤.
更多相关视频
06:26Synthesis of Stimuli-responsive Nanogels using Aqueous One-step Crosslinking and Co-nanopolymerization
Published on: January 24, 2025
1.1K
15:33Microwave-assisted Functionalization of Polyethylene glycol and On-resin Peptides for Use in Chain Polymerizations and Hydrogel Formation
Published on: October 29, 2013
29.0K
