直链型均聚物玻璃化温度和其结构间关系的人工神经网络研究.pdfVIP

赢链型均聚物玻璃化温度与其结构问关系的 人工神经网络研究+ 孙红唐应武··牟静芳吴国是 清华大学化学系，北京，100084 分子设计既为新型高分子材料的研究节省了时间．也使得新型高分子材料的开发更具目的性。而分 子设计的前提条件就是要清楚高分子材料的结构与其性能间的关系。高分子材料因其结构的多样性，使 得影响其性能的因素也变得十分复杂．不能用简单的公式来定量二者的关系。人工神经网络(简记为 ANN)是近十几年发展起来的一种用于研究非线性问题的数学工具。本文将ANN用于研究包括聚烯烃 类、聚丙烯酸类、聚苯乙烯类等共251种直链型均聚物的结构与其玻璃化温度之间的关系，所设计的网 络通过训练已可用于预铡由上述聚合物中所包括的结构单元所组成的聚合物的玻璃化温度。 应用ANN的关键是设计网络的输入矢量。本文用基团贡献法中将聚合物的重复单元划分成小的基 团的思路，设计了一种不需要其它的实验数据和任何复杂计算的输入方法。 在上述输人方法的基础上．用Mallab5．3中的神经网络模拟器，设计了一个包括输入层、隐含层和 输出层的前向反馈型神经网络(记为“NN．Tg”)。其中．隐含层由15个神经元组成．输出层由一个神 经元组成。 图l是“NN-Tg”的运行结果。将收集的数据分成训练集和测试集两组，前者用于训练网络，后者 用于预测。其中实线为训练集的训练过程变化曲线，虚线为测试集的变化曲线。从图中可以看出二者都 是收敛的．而且误差都小于2％。 etc主毒}-■●z-■t葛g盂 图I “NN·您”的运行结果 图2列出的是实验结果。如图2(a)所示，绝大部分数据是落在阴影的方框内的，而方框内的聚合 这样，通过训练后的“NN．Tg”就可以用于预测包括某些特定结构的聚合物的Tg值了· 715-002项目基龟以及清华大学化学系基础研究基金支持 ·I本工怍受国家八六三计罚l ”联系^E-mail：ywtang@mai!·tsinghua．。du—c11 563 ： ’。 I j： d。 ： 煺 ! 圈2(a)训练集的实验结果．(b)测试集的实验结果 实验中设计了两种输入方式t一种只表示了重复单元中所包含的基团，没有考虑基团之间的相互作 用：另一种则加入了基团之间的相互作用因素。结果表明后者是正确的。这说明聚合物的重复单元中的 各基团对聚合物性质的贡献不是彼此孤立的，而是存在着相互作用。这正是本文所关注的。将在进一步 的研究中对各基团间的相互作用给予一些定量的描述。 总之，本文中的“NN-rg”通过训练拟合出了一类直链型均聚物的结构与其Tg间的非线性关系， 并可用于预测具有类似结构的聚合物的Tg值。这为研究聚台物这一复杂体系的结构与性能间的关系提 供了一个有力的工具。 关键词：人工神经网络玻璃化温度性质预测 主要参考文献 1．Brandrup J．，polymerhandbook，NewYork，3“edn．，ppV；／212—258．1989 2．Nkere studiesandcharacterizationofthe K．Ebube，eta1．，Preformulation of artificialneural of amorphouspolymersusing networks，international joumal 2000 3．Seven n