Ein neu veröffentlichte Studie beschreibt, wie Wissenschaftler Maschinenlernen nutzen können, um Vorhersagen über das Verhalten neuer Polymere zu treffen. Polymere wie Polypropylen sind wichtige Materialien in der modernen Welt und werden in verschiedenen Alltagsgegenständen eingesetzt. Um die Leistung von neu entwickelten Polymeren unter verschiedenen Bedingungen vorherzusagen, haben Forscher aus Japan unter der Leitung von Dr. Ryo Tamura, Dr. Kenji Nagata und Dr. Takashi Nakanishi eine Methode entwickelt, die sich die Maschinenlernen zunutze macht.
Um die mechanischen Eigenschaften neuer Polymere vorherzusagen, nutzen Forscher normalerweise aufwendige und zerstörerische Tests. Das Team aus Japan hat jedoch gezeigt, dass Maschinenlernen die Materialeigenschaften von Polymeren vorhersagen kann. Sie untersuchten homo-Polypropylene und nutzten Röntgenbeugungsmuster der Polymere unter verschiedenen Bedingungen, um detaillierte Informationen über ihre Struktur zu erhalten. Die Verwendung korrekter Merkmale ist entscheidend, um genaue Vorhersagen zu ermöglichen.
Die Forscher analysierten zwei Datensätze mithilfe eines Tools namens Bayesian spectral deconvolution, um Muster aus komplexen Daten zu extrahieren. Sie fanden heraus, dass bestimmte mechanische Eigenschaften der Polymere präzise aus den Röntgendiffraktionsbildern vorhergesagt werden konnten. Das Team ist der Meinung, dass ihre Studie eine hochgenaue Maschinenlernvorhersagemodell unter Verwendung der Ergebnisse der Röntgendiffraktion von Polymermaterialien bietet und eine zerstörungsfreie Alternative zu herkömmlichen Prüfmethoden darstellt. Sie schlagen vor, dass ihr Ansatz auf andere Materialdaten angewendet werden kann, um die Eigenschaften anderer Materialien zu verstehen, sowohl anorganischer als auch organischer Natur.