본 논문은 지연 미분 방정식(DDE) 모델링과 기계 학습(ML) 접근 방식을 결합하여 지연된 교차 결합제 추가에 중점을 두고 하이드로겔 형성 동역학을 연구하는 통합 프레임워크를 제시합니다. 기존의 기계적 모델은 반응 혼합물의 많은 물리적 및 동적 복잡성을 드러내지만, 폴리머 네트워크 개발에 내재된 비선형적이고 시간에 따라 변화하는 복잡성을 거의 묘사하지 않습니다. 이를 해결하기 위해 교차 결합자의 삽입이 시스템 안정성과 평형에 미치는 영향을 조사하는 수학적 모델이 개발되었습니다. 분석적 및 수치적 결과는 임계 수준에 가까운 지연이 겔화 동역학에 상당한 영향을 미치는 분기 동작을 유발함을 보여줍니다. 인공 신경망, 지원 벡터 회귀 및 앙상블 학습을 포함한 정교한 기계 학습 시스템은 R² > 0.95의 복잡한 매개변수 공간에서 겔 분수를 정확하게 추정할 수 있습니다. 실험적 검증에서는 지연된 교차 결합제 추가로 최대 겔 분수가 0.850.03으로 확인되었습니다. DDE 모델링과 ML을 결합함으로써 이 프레임워크는 시간적 민감성을 포착하고 일반화된 동역학 규칙을 도출하며 스마트 소재 공학에서 합성 경로의 빠른 최적화를 지원합니다.
Babaoglu 외. (Fri,)는 이 질문을 연구했습니다.