北京航空航天大学康鹏副教授团队:迁移学习增强的双马来酰亚胺基聚酰亚胺玻璃化转变温度预测 | MDPI Polymers
水处理文献速递
2025-10-03 09:02
文章摘要
背景:玻璃化转变温度是决定双马来酰亚胺基聚酰亚胺树脂热机械性能的关键参数,但该体系实验数据稀缺制约了预测建模。研究目的:开发融合迁移学习与可解释机器学习的混合框架,提升小样本场景下的Tg预测精度,并解析关键分子描述符的影响机制。结论:迁移学习策略显著优于直接训练,SHAP分析揭示电荷分布不均匀性、分子拓扑复杂度和表面特性为三大主导因素,该框架为高性能BMI树脂的分子设计提供了理论依据和可行路径。
本站注明稿件来源为其他媒体的文/图等稿件均为转载稿,本站转载出于非商业性的教育和科研之目的,并不意味着赞同其观点或证实其内容的真实性。如转载稿涉及版权等问题,请作者速来电或来函联系。