关于非线性与线性流变学数据的同步拟合：防止错误的确定性错觉

不确定性通过计算过程传播，向下至分子尺度以推断微观结构特征，向上至宏观尺度以进行预测性流动模拟。此处我们研究针对线性与弱非线性流变学数据，顺序（两步）拟合与同步（一次性）拟合方法的不确定性量化。以线性缠结聚合物熔体（顺-1,4-聚异戊二烯）的小振幅振荡剪切（SAOS）与中振幅振荡剪切（MAOS）组合数据集为例，我们用多模态 Giesekus 模型展示了由于忽略模型参数相关性，顺序拟合如何显著低估拟合参数的不确定性。这些结果令人惊讶，因为弱非线性数据仅与线性数据相差一个渐近步长，却对线性模型参数的校准有显著影响。类似地，在同步拟合中考虑线性数据时，非线性参数估计及其不确定性也受到影响。为比较多模态非线性参数谱（Giesekus 模型的迁移率参数 {\alpha_i}），我们基于与高频 MAOS 极限相关的谱矩推导了新的平均度量。这些谱平均也对顺序与同步拟合敏感。我们的结果揭示了即使使用弱非线性数据，采用同步拟合以实现诚实的不确定性量化的重要性。