Predicting the Volume Phase Transition Temperature of Multi-Responsive Poly(<i>N</i>-isopropylacrylamide)-Based Microgels Using a Cluster-Based Partial Least Squares Modeling Approach
Notice bibliographique
Résumé
Despite the various potential applications of dual pH/temperature-responsive microgels, the multiple (and often interacting) physical and chemical factors that influence the volume phase transition temperature (VPTT) in such microgels make it challenging to directly design a microgel with a particular targeted swelling response. Herein, we address this challenge by designing and implementing a data-driven model that can predict a microgel swelling profile and subsequently VPTT based only on the microgel recipe. A clustering-based adaptation of partial least squares modeling is developed and subsequently applied to a data library of pH 4 (fully protonated) and pH 10 (fully ionized) swelling responses of 32 pH/temperature-responsive poly(N-isopropylacrylamide) microgels functionalized with various carboxylic acid-functionalized comonomers. We demonstrate that the best-performing clustering and data arrangement strategies can predict the VPTT of the microgels within 1.0 °C at pH 4 and 2.4 °C at pH 10, an accuracy similar to the uncertainty estimates from the experimental transition temperature data (0.6 °C at pH 4 and 2.2 °C at pH 10). Such an approach thus paves the way for faster customization of a microgel swelling profile as needed for a target application.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».