Les vitrimères de polyuréthanne contenant des liaisons covalentes dynamiques (DCBs) présentent à la fois d'excellentes performances de service des matériaux thermodurcissables et une bonne capacité de formage répété des matériaux thermoplastiques, ce qui en fait un important domaine de recherche à l'avant-garde du développement durable des matériaux polyuréthanne. Cette étude est axée sur le comportement de relaxation unique des vitrimères de polyuréthanne répondant à l'équation d'Arrhenius. En utilisant des méthodes de big data, nous avons analysé l'énergie d'activation (E_a) de ce comportement et sa relation avec les liaisons covalentes dynamiques et les paramètres de contrôle de l'expérience de relaxation. Sur la base de 9 paramètres caractéristiques parmi 61 échantillons, comprenant la température de transition vitreuse (T_g), la température de transition topologique, les types et la teneur en liaisons covalentes dynamiques, des modèles d'analyse quantitatifs pour E_a ont été construits à l'aide des algorithmes CatBoost et SISSO, le coefficient de détermination du modèle CatBoost atteignant 0,998, tandis que le coefficient de détermination de la relation explicite du modèle SISSO atteint 0,837, indiquant que ces caractéristiques fournissent une explication suffisante de E_a. Sur la base de ces deux modèles d'analyse, il a été découvert que E_a est positivement corrélé avec la température la plus basse et la plus élevée répondant à l'équation d'Arrhenius, et la température de polymérisation ou de pré-polymérisation, négativement corrélé avec la température de transition vitreuse T_g et la déformation initiale de l'expérience de relaxation, et présente également une dépendance significative vis-à-vis des types et de la teneur en DCBs. Ces découvertes peuvent guider une meilleure compréhension de l'énergie d'activation de relaxation des vitrimères de polyuréthanne et réguler la re-formage répété des matériaux thermodurcissables.

polyuréthanne; polymères vitreux; liaisons covalentes dynamiques; énergie d'activation; données volumineuses