論文の概要: Vibrational Fingerprints of Strained Polymers: A Spectroscopic Pathway to Mechanical State Prediction
- arxiv url: http://arxiv.org/abs/2509.16266v2
- Date: Wed, 24 Sep 2025 11:37:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-25 14:09:11.226807
- Title: Vibrational Fingerprints of Strained Polymers: A Spectroscopic Pathway to Mechanical State Prediction
- Title（参考訳）: ひずみポリマーの振動指紋:機械的状態予測への分光的経路
- Authors: Julian Konrad, Janina Mittelhaus, David M. Wilkins, Bodo Fiedler, Robert Meißner,
- Abstract要約: 高分子ネットワークの振動応答は、分子の変形の感度の高いプローブを提供する。
実効エポキシサーモセットにおいて, 機械学習力場が量子レベルの忠実度でこれらの分光指紋を再現することを示す。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The vibrational response of polymer networks under load provides a sensitive probe of molecular deformation and a route to non-destructive diagnostics. Here we show that machine-learned force fields reproduce these spectroscopic fingerprints with quantum-level fidelity in realistic epoxy thermosets. Using MACE-OFF23 molecular dynamics, we capture the experimentally observed redshifts of para-phenylene stretching modes under tensile load, in contrast to the harmonic OPLS-AA model. These shifts correlate with molecular elongation and alignment, consistent with Badger's rule, directly linking vibrational features to local stress. To capture IR intensities, we trained a symmetry-adapted dipole moment model on representative epoxy fragments, enabling validation of strain responses. Together, these approaches provide chemically accurate and computationally accessible predictions of strain-dependent vibrational spectra. Our results establish vibrational fingerprints as predictive markers of mechanical state in polymer networks, pointing to new strategies for stress mapping and structural-health diagnostics in advanced materials.
- Abstract（参考訳）: 負荷下での高分子ネットワークの振動応答は、分子変形の感度の高いプローブと非破壊診断への経路を与える。
ここでは、機械学習力場が、現実的なエポキシサーモセットにおいて量子レベルの忠実さでこれらの分光指紋を再現することを示す。
MACE-OFF23分子動力学を用いて、高調波OPLS-AAモデルとは対照的に、引張荷重下でのパラフェニレンストレッチモードの赤方偏移を観測した。
これらのシフトは分子の伸長とアライメントと相関し、バッジャーの規則と一致し、振動特性と局所的な応力を直接リンクする。
赤外線強度を捉えるために, 代表エポキシフラグメント上での対称性適応ダイポールモーメントモデルを訓練し, ひずみ応答の検証を可能にした。
これらのアプローチは共に、ひずみ依存振動スペクトルの化学的に正確で計算可能な予測を提供する。
以上の結果から, 高分子ネットワークにおける機械的状態の予測指標として振動指紋が確立され, ストレスマッピングと構造健康診断の新しい手法が示唆された。
関連論文リスト
- Aligned Manifold Property and Topology Point Clouds for Learning Molecular Properties [55.2480439325792]
この研究は、局所量子由来のスカラー場とカスタムトポロジカルディスクリプタを組み合わせた分子表面表現であるAMPTCRを導入する。
分子量については、AMPTCRが物理的に意味のあるデータをコードし、検証R2は0.87であることを確認した。
細菌抑制タスクでは、AMPTCRは大腸菌阻害値の分類と直接回帰の両方を可能にする。
論文 参考訳（メタデータ） (2025-07-22T04:35:50Z) - Accurate Machine Learning Interatomic Potentials for Polyacene Molecular Crystals: Application to Single Molecule Host-Guest Systems [0.8360937057775453]
新しい機械学習原子間ポテンシャル(MLIP)は、大規模な正確な物質シミュレーションに有望なソリューションを提供する。
我々は,グラフニューラルネットワークに基づくMACEアーキテクチャとアクティブラーニング戦略を活用することで,汎用MLIPを開発する。
これらのポテンシャルは正確であり、非調和振動特性、振動寿命、振動結合の研究を可能にする。
論文 参考訳（メタデータ） (2025-04-15T14:27:21Z) - Multidimensional coherent spectroscopy of correlated lattice systems [1.4118944560548017]
多次元コヒーレント分光(MDCS)は、分子系の非線形応答と非平衡ダイナミクスを研究する強力なツールとして量子化学で確立されている。
ここでは、有効モデルのケルディシュ輪郭表現と非平衡力学平均場理論を用いて、原型相関格子系のMDCS信号を体系的に研究する。
論文 参考訳（メタデータ） (2024-11-04T18:55:07Z) - Infrared Spectra Prediction for Diazo Groups Utilizing a Machine
Learning Approach with Structural Attention Mechanism [0.0]
赤外分光法は、分子構造や力学を振動や回転の遷移を通じて解明する化学研究において重要な技術である。
本稿では、特にジアゾ化合物の赤外スペクトルの予測と解釈を強化するために、構造的注意機構を用いた機械学習手法を提案する。
論文 参考訳（メタデータ） (2024-02-05T15:44:43Z) - SE(3)-Invariant Multiparameter Persistent Homology for Chiral-Sensitive
Molecular Property Prediction [1.534667887016089]
多パラメータ持続ホモロジー(MPPH)を用いた新しい分子指紋生成法を提案する。
この技術は、正確な分子特性予測が不可欠である薬物発見と材料科学において、かなりの重要性を持っている。
分子特性の予測における既存の最先端手法よりも優れた性能を示し,MoleculeNetベンチマークで広範囲な評価を行った。
論文 参考訳（メタデータ） (2023-12-12T09:33:54Z) - Quantum control of ro-vibrational dynamics and application to
light-induced molecular chirality [39.58317527488534]
アキラル分子は電場を励起することで一時的にキラル化することができる。
我々は励起過程中に固定される分子配向の仮定を超えた。
論文 参考訳（メタデータ） (2023-10-17T20:33:25Z) - Towards Predicting Equilibrium Distributions for Molecular Systems with
Deep Learning [60.02391969049972]
本稿では,分子系の平衡分布を予測するために,分散グラフマー(DiG)と呼ばれる新しいディープラーニングフレームワークを導入する。
DiGはディープニューラルネットワークを用いて分子系の記述子に条件付き平衡分布に単純な分布を変換する。
論文 参考訳（メタデータ） (2023-06-08T17:12:08Z) - Unsupervised Spectral Unmixing For Telluric Correction Using A Neural
Network Autoencoder [58.720142291102135]
本研究では,HARPS-N線速度スペクトルから高精度の太陽スペクトルを抽出するニューラルネットワークオートエンコーダ手法を提案する。
論文 参考訳（メタデータ） (2021-11-17T12:54:48Z) - Simulation of absorption spectra of molecular aggregates: a Hierarchy of
Stochastic Pure States approach [68.8204255655161]
純粋な状態の階層(HOPS)は、局所的な軌跡に基づく正式な正確な解を提供する。
大集合体における吸収スペクトルのシミュレーションのためにHOPSの局在を爆発させるには、正規化軌道の定式化が必要である。
論文 参考訳（メタデータ） (2021-11-01T16:59:54Z) - Visualizing spinon Fermi surfaces with time-dependent spectroscopy [62.997667081978825]
固体系において確立されたツールである時間依存性光電子分光法を低温原子量子シミュレーターに応用することを提案する。
1次元の$t-J$モデルの正確な対角化シミュレーションで、スピノンが非占有状態の効率的なバンド構造に出現し始めることを示す。
ポンプパルス後のスペクトル関数の依存性はスピノン間の集団的相互作用を明らかにする。
論文 参考訳（メタデータ） (2021-05-27T18:00:02Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。