Mineral Identity Governs Thermal Stability: Gradient-Boosting Prediction of Degradation Parameters in Mineral-Filled Epoxy and Vinyl Ester Composites
收藏资源简介：
This dataset contains 317 curated literature records of thermogravimetric analysis (TGA) data for mineral-filled epoxy and vinyl ester composites, assembled to train and validate gradient-boosting machine learning models (XGBoost, CatBoost) for predicting thermal degradation parameters. DATASET CONTENT: - Compositional descriptors: polymer matrix type (epoxy/vinyl ester), mineral filler identity and formula, filler loading (wt.%), chemical modifier name/type/loading/SMILES - TGA experimental conditions: atmosphere (N2/Air/Argon), heating rate (where reported) - Target variables: onset degradation temperature T5% (°C), peak degradation temperature Tmax (°C), residual mass (wt.%), residue evaluation temperature - Engineered features: Magpie elemental descriptors (145 features per mineral), RDKit molecular fingerprints for modifiers METHODOLOGY: Data extracted from peer-reviewed publications (2015-2024) with standardized normalization of experimental conditions. Group-aware train/holdout splitting (80/20) based on matrix-mineral-modifier combinations to prevent data leakage. Used in: "Mineral Identity Governs Thermal Stability: Gradient-Boosting Prediction of Degradation Parameters in Mineral-Filled Epoxy and Vinyl Ester Composites" (Polymer Testing). FILES: - TGA_dataset_317_records.csv (raw curated data) - Feature_engineered_dataset.csv (with Magpie and RDKit descriptors) - Data_dictionary.txt (column descriptions) CITATION: If using this dataset, please cite the original article: [DOI will be added upon publication]
本数据集收录了317条经过人工甄选整理的热重分析（thermogravimetric analysis, TGA）数据文献记录，针对矿物填充环氧树脂与乙烯基酯复合材料，旨在训练并验证梯度提升机器学习模型（XGBoost、CatBoost）以预测热降解参数。 数据集内容： - 组成描述符：聚合物基体类型（环氧树脂/乙烯基酯）、矿物填料种类与分子式、填料负载量（质量百分比，wt.%）、化学改性剂的名称、类型、负载量及简化分子线性输入规范（SMILES） - 热重分析实验条件：实验气氛（氮气/空气/氩气）、升温速率（如有记录） - 目标变量：5%失重起始降解温度T5%（摄氏度，°C）、峰值降解温度Tmax（摄氏度，°C）、残余质量占比（质量百分比，wt.%）、残渣评估温度 - 工程化特征：Magpie元素描述符（每种矿物对应145个特征）、改性剂的RDKit分子指纹 研究方法： 数据来源于2015至2024年的同行评议期刊文献，已对实验条件进行标准化归一化处理。基于基体-填料-改性剂组合开展分组感知式训练集/留出集拆分（比例80/20），以有效避免数据泄露问题。本数据集已应用于论文《矿物种类调控热稳定性：梯度提升模型预测矿物填充环氧树脂与乙烯基酯复合材料的降解参数》（发表于《高分子测试》，Polymer Testing）。 数据集文件： - TGA_dataset_317_records.csv（原始整理数据集） - Feature_engineered_dataset.csv（包含Magpie与RDKit描述符的工程化数据集） - Data_dictionary.txt（列名说明文档） 引用说明： 若使用本数据集，请引用原文：[DOI将在出版后补充]
