私密直播全婐app免费大渔直播,国产av成人无码免费视频,男女同房做爰全过程高潮,国产精品自产拍在线观看

  近年來，基于聚醚砜（PES）、聚砜(PSf)和聚偏氟乙烯（PVDF）利用相轉(zhuǎn)化方法制備微濾（MF）、超濾（UF）和納濾膜（NF）一直是聚合物水處理濾膜新產(chǎn)品研發(fā)和基礎(chǔ)研究的前沿。滲透性、選擇性及其權(quán)衡系數(shù)是這幾類濾膜的核心性能指標，影響這些指標的原料、配方、制膜工藝及測試和應(yīng)用的參數(shù)眾多，造成提升這些指標的方法和途徑多樣化，但針對高性能濾膜的界定與制備優(yōu)化方案仍不清晰。為此，中國科學院長春應(yīng)用化學研究所高分子材料結(jié)構(gòu)與大數(shù)據(jù)課題組利用數(shù)據(jù)挖掘和機器學習方法，基于定量的組成-工藝-結(jié)構(gòu)-性能關(guān)系，針對聚合物水處理濾膜（WFM, water filtration membrane）的三個核心指標：滲透性、選擇性及其權(quán)衡系數(shù)構(gòu)建了可靠的預測模型，開發(fā)并發(fā)布了支持虛擬實驗的平臺軟件polySML-WFM (https://gitee.com/polysml/polySML)，可輔助配方工藝設(shè)計，評估濾膜綜合性能等級，為高性能水處理濾膜開發(fā)提供切實指導。

  通過對PES/PSf/PVDF基三類濾膜的前沿文獻報道、基礎(chǔ)數(shù)據(jù)手冊、材料的物理化學表征以及濾膜制樣測試標準的多模態(tài)數(shù)據(jù)挖掘，構(gòu)建了含1895條具備詳盡信息的數(shù)據(jù)集，涵蓋組成、工藝、結(jié)構(gòu)、制備參數(shù)以及性能測試等關(guān)鍵信息，結(jié)合材料信息計算、工藝標準參數(shù)的轉(zhuǎn)換和歸一化，建成結(jié)構(gòu)化數(shù)據(jù)集，進而利用隨機森林算法開展了特征工程、回歸和分類模型構(gòu)建。

  首先明確了常見分離物質(zhì)的尺寸和分子量分布，濾膜三個核心性能指標滲透性(Lp)、選擇性(1/S0)以及新提出的權(quán)衡系數(shù)(Tr)的分布范圍。三種高分子從性能指標分布看幾乎可以相互替代，但從分離物質(zhì)大分子類、染料類和鹽類物質(zhì)來看，分離的性能指標分布存在顯著差異。

圖1. 分離物質(zhì)的半徑(a)和分子量(a’)分布以及根據(jù)不同聚合物(b-d)和分離物質(zhì)(b’-d’)分類的濾膜性能指標分布。

1. 回歸預測模型

  利用之前提出的L_sig值的判定和應(yīng)用方法（J. Mater. Chem. A 2019, 7, 11847-11857），通過特征工程選取了17個特征，包含膜材料、相轉(zhuǎn)化法中的核心試劑應(yīng)用和工藝控制參數(shù)，以及膜性能測試的關(guān)鍵設(shè)定等信息。依據(jù)這些特征對滲透性、選擇性及其權(quán)衡系數(shù)構(gòu)建了回歸預測模型，其穩(wěn)定性和可靠性通過了嚴格的10倍交叉驗證。同時，評估了這些特征與性能指標的定性和定量關(guān)聯(lián)性，部分關(guān)聯(lián)關(guān)系與實驗經(jīng)驗定性規(guī)律一致（已知因果關(guān)系），同時也揭示了材料與試劑內(nèi)在化學特征與性能的定量關(guān)聯(lián)性（未知關(guān)聯(lián)關(guān)系）。

圖2. 對數(shù)坐標下Lp (a), 1/S0 (b) 和 Tr (c)的實驗值和預測值作圖，對應(yīng)預測模型的特征重要性排序(a’-c’)。

2. 分類預測模型

  濾膜的滲透性和選擇性存在權(quán)衡(trade-off)，而Robeson上限被廣泛用于分離膜綜合性能評估。通過將濾膜廣泛使用的、描述權(quán)衡上限的理論模型曲線引入到滲透性和選擇性二維關(guān)聯(lián)圖中，調(diào)整模型參數(shù)可將分離大分子類和分離鹽類濾膜數(shù)據(jù)集分為帕累托集（20:80）和平衡集（50:50）。在此基礎(chǔ)上，訓練出了可以識別綜合性能優(yōu)異的前20%或前50%的濾膜產(chǎn)品的分類預測模型。新定義的權(quán)衡系數(shù)Tr可由實驗值簡單計算得到，對于分離大分子來說，其下限為1.0和0.46即可分別達到前20%和前50%，而鹽類分離的下限分別為0.80和0.17。膜產(chǎn)品由前50%提升到前20%，提升鹽類分離膜的難度系數(shù)是大分子分離膜的2.6倍。

圖3. 分離大分子類和鹽類的濾膜的選擇性-透過性trade-off 曲線(a, a’)，和對應(yīng)分類模型的ROC曲線(b,b’)，以及Tr分布的箱線圖(c,c’)。

3. 虛擬實驗平臺

  通過集成上述準確可靠的回歸和分類模型，他們開發(fā)了具有友好UI并可在windows環(huán)境獨立運行的的軟件polySML-WFM，發(fā)布在https://gitee.com/polysml/polySML。該軟件支持高性能濾膜開發(fā)的虛擬實驗(virtual experiment)，輔助開發(fā)人員快速縮小組成、工藝和測試條件等參數(shù)篩選，預測濾膜性能并評估濾膜分離不同物質(zhì)的綜合等級，提升高性能MF,UF和NF聚合物分離膜的研發(fā)水平。

圖4. polySML-WFM軟件用戶界面。

  該工作近期以標題Predicting the performance of polyvinylidene fluoride, polyethersulfone and polysulfone filtration membranes using machine learning發(fā)表在Journal of Materials Chemistry A，相關(guān)軟件polySML已獲得軟件著作權(quán)授權(quán)。論文的第一作者為博士研究生劉婷麗，通訊作者為中國科學院長春應(yīng)用化學研究所特別研究助理劉倫洋博士和李云琦研究員。該工作得到國家自然科學基金（21774128，U1832177，51988102），中國科學院前沿科學重點研究項目（QYZDY-SSW-SLH027）支持。

  原文鏈接：

  Tingli Liu, Lunyang Liu, Fengchao Cui, Fang Ding, Qifeng Zhang, Yunqi Li, Predicting the performance of polyvinylidene fluoride, polyethersulfone and polysulfone filtration membranes using machine learning, J. Mater. Chem. A, 2020,8, 21862-21871。

  https://doi.org/10.1039/D0TA07607D