폴리머의 유리 동역학을 이해하고 예측하는 것은 연성 물질 물리학에서 여전히 근본적인 도전 과제입니다. 탄성 집단 비선형 랑주 방정식 이론은 이완 동역학을 설명하는 데 성공적이었지만, 폴리머에 대한 실제 적용은 이론과 실험을 연결하기 위해 열적 매핑에 의존하며, 이는 다시 상세한 열역학적 데이터가 필요합니다. 이러한 데이터는 화학적으로 복잡하거나 새로 설계된 폴리머에 대해 이용할 수 없을 수 있습니다. 본 연구에서는 이러한 한계를 극복하기 위해 기계 학습이 예측한 유리 전이 온도(Tg)와 효과적인 열 팽창 계수를 기반으로 한 간소화된 열 매핑을 통합하는 간단한 접근 방식을 제안합니다. 이 접근 방식은 다양한 폴리머에 걸쳐 이완 동역학에 대한 정량적으로 정확한 예측을 제공할 수 있습니다. 원래 열 매핑을 대체하는 것이 아니라, 우리의 방법은 형식적 엄밀성 대신 계산 효율성과 제한된 데이터가 있는 재료의 고속 스크리닝 및 더 넓은 적용 가능성을 위해 보완합니다. 게다가, 우리는 저-Tg 폴리머의 설명에서 불일치를 해결하는 물리적으로 동기화된 열 매핑 수정 방안을 제시합니다. 우리의 결과는 유리 폴리머 동역학의 예측 모델링을 위한 일반화 가능한 접근 방식을 확립하고, 이론 주도 재료 발견을 위한 새로운 방향을 제시합니다.
Phan et al. (금요일)은 이 질문을 연구했습니다.