Критическая оценка параметров растворимости Хильдебранда и Хансена для полимеров

Critical Assessment of the Hildebrand and Hansen Solubility Parameters for Polymers
Rampi Ramprasad, Chiho Kim, Anand Chandrasekaran, Shruti Venkatram
2019-09-23

параметр растворимости Хансенапараметр растворимости Хилдебрандаполярные и неполярные полимерыпрогноз растворителя для полимеровточность предсказания растворителей/нерастворителей
Модели параметров растворимости широко используются для подбора подходящих растворителей и несолвентов для полимеров в различных технологических и инженерных приложениях. В данном исследовании мы сосредотачиваемся на двух хорошо зарекомендовавших себя моделях — параметрах растворимости Хильдебранда и Хансена. Обе модели основаны на принципе «похожее растворяет похожее» и признают жидкость хорошим растворителем для полимера, если параметры растворимости жидкости и полимера близки друг к другу. Здесь мы проводим критическую и количественную оценку точности и полезности этих двух моделей, сравнивая их предсказания с экспериментальными данными. На наборе данных из 75 полимеров мы обнаружили, что модель Хильдебранда демонстрирует предсказательную точность 60% для растворителей и 76% для несолвентов. Модель Хансена показывает сопоставимую эффективность: на основе набора данных из 25 полимеров, для которых доступны параметры Хансена, её точность составляет 67% для растворителей и 76% для несолвентов. Наличие параметров Хильдебранда для большой выборки полимеров делает эту модель широко применимой, так как параметр Хильдебранда для нового полимера можно определить с использованием этой выборки и методов машинного обучения, как мы делали ранее; предсказанный параметр Хильдебранда затем может использоваться для определения подходящих растворителей и несолвентов. Такие предсказания затруднены для модели Хансена из‑за относительно малой выборки параметров Хансена для полимеров. Тем не менее подход Хильдебранда следует использовать с осторожностью. Наш анализ показывает, что модель Хильдебранда имеет предсказательную точность 70–75% для неполярных полимеров, но показывает значительно худшие результаты для полярных полимеров (точность 57%). В дальнейшем определение растворителей и несолвентов для полимеров может выиграть от разработки классификационных моделей, построенных непосредственно на основе имеющихся экспериментальных наборов данных, а не от использования подхода параметров растворимости, ограниченного в универсальности и точности.
1
Модель Хансена демонстрирует похожую производительность: 67% точности для растворителей и 76% для нерастворителей на 25 полимерах с доступными параметрами Хансена.
2
Предсказания на основе модели Хансена затруднены из‑за малого объема данных параметров Хансена для полимеров, что ограничивает применимость.
3
Модель Хилдебранда хорошо работает для неполярных полимеров (70–75% точности), но слабо — для полярных полимеров (57% точности).
4
Модель Хилдебранда предсказывает растворители с точностью 60% и нерастворители с точностью 76% на наборе из 75 полимеров.
5
Параметры Хилдебранда широко доступны для многих полимеров, что позволяет предсказывать параметры новых полимеров с помощью машинного обучения на большем наборе данных.
6
Подходы на базе параметров растворимости ограничены по универсальности и точности; классификационные модели, обученные на экспериментальных данных, могут лучше определять растворители и нерастворители.

Полимеры (набор данных из 75 полимеров), оцениваемые для подбора растворителей/нерастворителей с использованием параметров растворимости Хилдебранда и Хансена

Прогностическая точность и полезность моделей параметров растворимости Хилдебранда и Хансена для определения подходящих растворителей и нерастворителей для полимеров, включая различия в эффективности для неполярных и полярных полимеров

Publication Details
Publication Date
2019-09-23
Journal
Publisher
ISSN
Access Type
Author Information
Authors
Rampi Ramprasad
Chiho Kim
Anand Chandrasekaran
Shruti Venkatram
Explore further
Open the scid.ai AI chat with a ready-made request: it will find papers on a similar topic and help build a literature review.
Find similar papers in the chat
Make a presentation
100%