受应变聚合物的振动指纹：力学状态预测的光谱途径
化学物理
2025-09-25 v2 材料科学
机器学习
摘要
聚合物网络在受力情况下的振动响应提供了分子变形的灵敏探针，并为无损诊断提供了途径。本文表明，机器学习力场在真实的环氧树脂中以量子水平精度再现了这些光谱指纹。使用MACE-OFF23分子动力学，我们捕捉到在拉伸加载下对对苯二甲烷伸展模式的红移，而这与谐波OPLS-AA模型不同。这些位移与分子拉长和对齐相关，符合巴格规则，直接将振动特征与局部应力联系起来。为捕捉红外强度，我们在代表性环氧碎片上训练了对称化偶极矩模型，以验证应变响应。总体而言，这些方法提供了应变相关振动光谱的化学精确和计算可达预测。我们的结果确立了振动指纹作为聚合物网络机械状态预测标记物，指向应力映射和结构健康诊断在先进材料中的新策略。
引用
@article{arxiv.2509.16266,
title = {Vibrational Fingerprints of Strained Polymers: A Spectroscopic Pathway to Mechanical State Prediction},
author = {Julian Konrad and Janina Mittelhaus and David M. Wilkins and Bodo Fiedler and Robert Meißner},
journal= {arXiv preprint arXiv:2509.16266},
year = {2025}
}