论文部分内容阅读
特殊功能聚合物在高新技术的新材料领域具有重要的地位。运用定量结构—性质相关(QSPR)分析预测未知聚合物性质进而进行合理的分子设计是提高研制效率的有效途径。然而,传统的聚合物QSPR方法—“基团贡献法”和“连接性指数法”—均将目标性质拟合成特征结构参量的线性函数,这在物理、数学模型上不尽合理。现有的一些聚合物QSPR方案中,结构描述符包含多达数十个参数,建立有效的函数关系须以大量的实验数据为基础,对于已知数据不多的新聚合物系列则无法适用。为克服以上局限性,本论文作了以下有成效的探索。
对每个重复单元最多含M个基团位、可能由N种不同基团取代的直链聚合物,提出了一种用“基团均值法”定义的新结构描述符。它将“基团贡献法”中各基团对给定目标性质的贡献值用含该基团的已知聚合物的性质平均值来代替,并将出现在每个基团位上的相应基团均值,以及二阶矩、三阶矩作为结构描述符的数值化分量。从而将结构描述符的维数由基团法中的NM维约减到3M维。将新的结构描述符用于自行设计的人工神经网络(ANNs),对含4个侧链取代位、共计74种不同取代基团的271种均链聚合物的玻璃化温度(Tg)进行非线性QSPR处理,拟合标准偏差为10K,不考虑基团连接关系,拟合标准偏差为20K。
论文首次尝试将模糊集理论(FST)处理应用于QSPR,采用基团法的结构描述符,运用模糊集及其运算方法,设计了专用的FST软件。在置信度90%下,均链聚合物Tg的拟合标准偏差为9K;若忽略基团相互作用,偏差为25K。首次引用“模糊熵”的概念定量描述出各基团间相互作用的大小。
在上述基础上对含基团位多达12个的301种不同直链聚合物的12种物理、力学和热化学性质用四种ANNs或FST建模方案分别进行了QSPR处理。结果表明,它们的拟合精度虽略低于传统的连接性指数法,但处于相同量级,均可满足应用的要求从而有效拓宽了聚合物的QSPR处理手段。ANNs和FST用于新聚合物系列,与传统的QSPR方案相比更为易行并有较大的兼容性和灵活性。特别是ANNs与基团均值法结构描述符的结合,对已知数据量的要求大大降低,可望成为新聚合物QSPR的首选方案。