Macromolecules·· 7 小时前精选AI 评分60
用均聚物标定与机器学习改进聚烯烃色谱红外组成分析
Machine Learning and Homopolymer-Based Calibration for Enhanced Composition Analysis by Infrared Detection in Polyolefin Chromatography
AI 导读
研究提出以市售均聚聚乙烯（hPE）和均聚聚丙烯（hPP）替代共聚物标样的红外检测标定策略，用于聚烯烃色谱的组成分析。方法包括在150 °C的TCB溶液中对CH2与CH3的FTIR振动峰做谱分解，用改进的Pearson VII分布模型解析2800−3000 cm⁻¹重叠谱带，从而算出滤光片式IR检测器五个振动模式的单位吸光度。
推荐理由
用市售均聚物替代共聚物标样，配合双波数机器学习校正红外检测器，可降低聚烯烃组成分析对标样和NMR的依赖。
创新点
以均聚物标定取代共聚物标准品与13C NMR验证，并用双波数机器学习把低信噪比IR4检测器扩展到高浓度CRYSTEX等非理想场景。
来源：Macromolecules · doi.org