該軟件利用DSC和機器學習技術，可在數秒內量化聚合物含量。該公司還尋求合作伙伴，以助其擴展材料數據庫。

Proteus Now 對回收樣品的 DSC 曲線進行量化分析。在整個熱指紋圖譜中評估細微的峰位偏移、重疊及峰面積變化。機器學習模型解析這些轉變，將單次 DSC 測量轉化為定量的聚合物組成（PP、HDPE、LDPE、LLDPE）共固結一體成型的CF/LMPAEK法蘭與管體形成連續熱塑性材料系統，消除了傳統低溫線組件所需的金屬硬件和粘合界面。

隨著復合材料制造商面臨不斷增加的壓力，需要在產品中融入再生材料，他們面臨著一個持續的挑戰：了解再生料的成分及其含量。為了解決這一問題，NETZSCH Analyzing & Testing(德國塞爾布)近期推出了Proteus Now Quantify，這是一款軟件解決方案，它將差示掃描量熱法(DSC -differential scanning calorimetry)與機器學習相結合，能夠通過一次完全自動化的測量來識別并量化未知成分。

“塑料回收面臨的核心挑戰之一是材料成分的透明度不足，”NETZSCH聚合物部門經理薩拉·西蒙博士表示。“熔融指數或傅里葉變換紅外光譜等快速檢測方法雖然有用，但存在局限性——往往定性而非定量，且不具備普適性。它們在處理深色材料、多層薄膜和復雜混合物時表現不佳。其結果是材料被降級使用，產品過度設計，或整批產品被拒收—這不僅浪費了材料和能源，也損害了信譽?！?/p>

該軟件通過整理DSC數據中的變異性，并解析多種聚合物在相似溫度下結晶時產生的重疊峰來工作。該軟件經過校準的聚合物共混物訓練，能夠檢測低至1%的污染水平。目前該系統專注于PP、HDPE、LDPE和LLDPE等聚合物，其定量組成結果的均方根誤差值通常在3-6%之間。

針對復合材料應用，耐馳開發了一套實用的工作流程：用戶首先通過熱重分析或灼燒法確定填料含量，然后在軟件中調整樣品重量，以反映有效的聚合物質量。該公司正積極尋求合作伙伴，共享含填料和不含填料的校準混合物，以擴展訓練數據集并改進復合材料工作流程。

西蒙指出：“原生聚烯烴不同牌號之間的差異，通常大于回收過程中再加工所引入的變化。通過使用來自不同供應商的、經過充分表征的廣泛原生材料來訓練模型，我們可以可靠地捕捉到典型再生料的行為?！?/p>

使用Proteus Now Quantify(基于開篇圖像中的DSC曲線)對校準混合物的目標聚合物濃度與預測濃度進行比較。通過RMSE(%)和偏差(%)評估預測質量。RMSE反映了模型的準確性，受每種聚合物類別訓練數據的數量和質量影響。

監管發展正在進一步加速采用。從2030年起，進入歐洲市場的再生料供應商將被要求滿足歐盟標準，并需提供其材料的可追溯來源和成分證明。這些法規旨在影響全球市場，實際上使可靠的材料表征成為市場準入的先決條件。

該軟件可直接與耐馳的DSC儀器集成，并在標準化測試條件下運行—即10毫克樣品質量，以及10開爾文/分鐘的升溫和降溫速率——從而確保結果的一致性和可重復性。一旦DSC測量完成，分析過程可在數秒內完成。

Proteus Now Quantify 目前可用于聚烯烴分析，其材料數據庫也在持續擴展，將納入 PA、PET、ABS、HIPS、PC、PUR 等其他工程材料。