Predicting the Physicochemical Properties of Amorphous Polymer Mixtures with Atomistic Molecular Simulation and Data-driven Modeling
Notice bibliographique
Résumé
Molecular dynamics (MD) simulations play a pivotal role in understanding the behavior of complex molecular systems, offering insights into the behavior of molecules at the atomic level, while their accuracy heavily depends on the force field parameters used. In this study, we present an investigation focusing on two distinct aspects: the validation of MD simulations for plasticizers, and the development of a quantitative structure property relationship (QSPR) model to fit data derived from these simulations. Our goal is to provide researchers with valuable insights into the choice of force fields to improve the accuracy of simulations in various scientific domains and the modeling of prediction of properties of plasticizers. In the first part, We explore various aspects of validation, including force field accuracy, equilibration protocols, and comparison of simulation results of plasticizers with experimental data. We begin by validating popular force fields: PCFF, SciPCFF and COMPASS. By examining the behavior of small molecules, we aim to ensure the reliability of force fields for these compounds with specific desired functional groups. Density, heat of vaporization and shear viscosity results are used for the validation of force fields. We compare various equilibration methods and their impact on simulation outcomes to address issues related to system stability and convergence, for enhancing the efficiency and accuracy of simulations. The second part of our research shifts focus to the prediction modeling of plasticizers, a class of chemical additives commonly used in the polymer industry to enhance the flexibility of plastic materials. We attempt to predict the solubility parameters of plasticizers by QSPR. Simple counts, Wiener Indices and Randic Branching Indices are used as descriptors in the QSPR. Our prediction model results show the dependence of plasticizers on the descriptors while the QSPR equation obtained from our current data-set with five descriptors has the R2 = 0.73. In conclusion, this comprehensive study bridges the gap between force field validation and equilibration for plasticizers. Moreover, the integration of QSPR models offers insights to a robust approach for predicting molecular behaviors.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».