机器学习辅助的策略来增强PVA水凝的机械性能

科学领域:

• 生物材料科学 生物材料科学
• 聚合物化学 聚合物化学
• 材料工程 材料工程 材料工程

背景情况:

• 聚乙醇 (PVA) 水凝是有前途的生物医学材料,因为它们的生物相容性和可调节的机械性能.
• 现有的制备方法 (冷解,溶剂交换,脱盐,回火) 缺乏系统的比较,阻碍了PVA水凝性能的优化.
• 了解制备策略和度的影响对于开发高强度纯PVA水凝至关重要.

研究的目的:

• 系统地比较四种不同的制备策略对PVA水凝的机械性能的影响.
• 在相同的条件下,研究PVA质量分数 (10-20 wt%) 对水凝特性的影响.
• 通过机器学习建立准备参数,微观结构,表面特性和机械性能之间的相关性.

主要方法:

• 使用冷解,溶剂交换,脱盐和回火方法制备PVA水凝 (145,000 MW) 在10%,15%和20%重量的度下.
• 进行全面的机械测试 (拉力强度,模量,压力模量) 和摩擦系数测量.
• 机器学习模型 eXtreme Gradient Boosting (XGboost) 的应用,用于数据分析和属性变化的预测.

主要成果:

• 制备策略对机械性能的影响 (73.79%) 比PVA质量分数 (26.21%) 更为显著.
• 化处理产生了性能最高的PVA水凝,20%重量化PVA水凝的拉伸强度是化解的10倍,拉伸模量是化解的62倍.
• 20%重量份的化PVA水凝表现出优越的机械性能 (3.96 MPa的拉伸强度,4.36 MPa的拉伸模块,3.17 MPa的压缩模块) 和最低的摩擦系数 (0.05).

结论:

• 准备策略的选择对于确定PVA水凝的机械性能至关重要.
• 化是提高PVA水凝的机械强度和减少摩擦的最有效方法.
• 这项研究为设计高级应用的高强度纯PVA水凝提供了数据驱动的基础.