均聚物标定与机器学习改进聚烯烃红外组成分析
热点事件持续更新
均聚物标定与机器学习改进聚烯烃红外组成分析
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
Macromolecules 刊出的研究提出,用市售均聚聚乙烯(hPE)和均聚聚丙烯(hPP)替代共聚物标样,对聚烯烃色谱的红外组成分析进行标定。方法是在 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,算出滤光片式 IR 检测器五个振动模式的单位吸光度。 据作者称,该标定策略针对 1−4 mg/mL 稀溶液、与高温 SEC 和 CEF 联用的高信噪比滤光片式 IR 检测器(IR5/IR6);机器学习模型则把稳健分析扩展到非理想场景,包括 10 mg/mL 的高浓度 CRYSTEX 分析。
AI 根据报道生成 · 3 小时前更新
最新进展10月27日 04:01
用均聚物标定与机器学习改进聚烯烃色谱红外组成分析报道时间线
沿着报道,了解事件的不同侧面。
10月27日
- Macromolecules精选用均聚物标定与机器学习改进聚烯烃色谱红外组成分析
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。
本事件热度走势
还没有足够的连续观测数据,暂不绘制趋势。