GPC数据分析
对于GPC数据的测试结果来说，并不是单一的出一个分子量是多少的数据。而常常有很多种数据，比如数均分子量，重均分子量，峰值分子量等等，到底哪个才是分子量结果？为什么会有这么多个分子量？GPC数据呈现形式（以传统GPC为例子）一般会包含以下4个部分:流出曲线图、分子量分布曲线图、分子量统计结果、切片数据。
在此先介绍一下什么叫切片数据，不管从流出曲线图还是分子量分布曲线图看到的都是一条曲线。这条曲线是拟合的结果，实际上在GPC测试的过程中，是一份一份进行测试的。例如，我们将1s时间内通过检测器的溶液作为一个部分，测试它的信号响应。然后将第二个1s时间内用过检测器的溶液作为第二个部分，将整个流程切分为很多个部分，对每一个部分进行测量，最后得到如下图左边的直方图。只要切分的组分足够多，它与曲线的相似度就越高，从而得到如下图右边的曲线图，我们就将这切分成一份一份的数据称为切片数据。
如下图所示，横坐标为时间，纵坐标为信号强度。GPC的色谱柱就是将分子按照从大到小的先后顺序排列分离，分子量大的通过时间短，分子量小的通过时间长，流出曲线图就是代表着这一个过程。有信号产生就代表着有目标物质通过，信号强度就代表着含量。结合标准曲线的换算就能得到分子量分布曲线图，同时也能直观看出有几个出峰，一般有几个出峰就代表着有几种分子量分子。
如下图所示，横坐标为分子量，从小到大排列。纵坐标分为左右两边，左边信号代表每种分子量的信号强度，越高代表这个分子量的分子越多。右边代表累积分的结果，即图中那条从0%开始慢慢涨到到100%的的曲线，这条称为累积积分曲线，利用它可以直接在图中估计任意分子量区间的分子在总分子中的占比。
例如上图中可以直接读出，分子量在100至10000之间分子约占总量的25%。通过分子量分布曲线图，我们可以直观的从图中得到各种分子量的分子具体分分布情况以及含量的情况。
如图中所示左边的编号代表峰号，当出现多个峰的完整峰的时候一般会分开计算。后面依次是一些统计量的分子量结果。分别有：
Mn（数均分子量）
Mw（重均分子量）
Mp（峰值分子量）
Mz（Z均分子量）
Polydispersity（多分散系数）
各种分子量数据之间的差异这么大，到底哪个才是我们测试出来的分子量？其实这些数据差异的原因是因为统计的方式不一样导致的。分子量的结果是一个统计结果，这个是高分子的特殊性质决定的，一个高分子树脂里面可能包含着成千上万种分子，分子量从上千到几十万可能都有，无法一列举。因此表征高分子物质的分子量结果是一个统计值，但是统计方式的不一样会得到不同的分子量结果，这个就是为什么上面会有这么多分子量出现的原因，而不同统计方式的结果也能表征出高分子材料整体的性质。
一般来说最常会关注的是以下几个结果Mn（数均分子量）、Mw（重均分子量）、Mp（峰值分子量）、Polydispersity（多分散系数）以上四个结果是最实用的，下面来对这些数据的含义进行具体说明：
顾名思义就是峰顶端的分子量，通过之前的流出曲线图或者分子量分布曲线图，曲线的最高峰处的分子量就是峰值分子量。
以数目为加权进行统计的分子量结果，计算公式如下：
简单来说，就是先取其中一种分子的分子量乘以这种分子在总分子数中的占比，然后将所有分子量的分子都这么处理之后求和得到。
例如，我们的溶液中有分子量100、200、300、2000的各有4、3、2、1个，分子总数就应该是10个。那么求得的结果就应该是Mn=100*（4/10）+200*（3/10）+300*（2/10）+2000*（1/10）=360
以质量作为加权进行统计的分子量结果，计算公式如下：
我们可以发现，重均分子量量与数均分子量好像就是再公式上多乘上了一个M？根据质量计算公式m=n*M得来，类似于数均分子量，重均分子量就是先取其中一个分子的分子量乘以这种分子在总分子质量中的占比，然后将所有分子量的分子都这么处理之后求和得到。
我们依旧用上面求数均分子量的数据试着求一下：
所有分子的总质量=4*100+3*200+2*300+1*2000=3600
Mw=100*（4*100/3600）+200*（3*200/3600）+300*（2*300/3600）+2000*（1*2000/3600）≈1205
重均分子量与数均分子量的比值就称为多分散系数，即PD=Mw/Mn，还是用上面的数据：PD=1205/360=3.347 。
前文已对上述各名称所代表的含义展开阐释，接下来不禁要问：它们各自又蕴含着怎样的实际意义？为何要采用特定方式来呈现高分子材料的分子量信息呢？
首先Mp比较直观，其实就是代表着这个分子量的分子在整个材料的占比是最多的。而Mn更多会体现小分子物质在材料中情况，因为分子量越小会导致分子数据越多，而Mw更多的体现大分子物质材料的情况，因为分子量越大则单个分子会更重，PD系数则体现了整体大分子与小分子的分布情况，系数越接近1就代表着分子量分布越小，分子量越集中，所有的分子分子量都在一个比较窄的范围内。系数越大则分布越宽，说明大大小小各种分子量的分子都存在。（其中系数约等于1称之为单分散物质，理想的单分散物质系数等于1即材料中只有一种分子量的分子，但是现实中一般较难实现）
因此如果要看一个高分子材料的分子量情况，一般是需要从多个角度去看的，而不是单一看一个结果。如果必须选取一个数值作为代表，一般工业上常使用重均分子量作为代表。因为高分子物质具有诸多特异性的性能，主要因为他们的分子量特别高，而重均分子量正好体现的是大分子的情况。
如上文计算实例所示，体系中分子量处于 100 - 300 的物质，极有可能是未充分反应而残留的组分。而具备让材料呈现出高分子特性潜力的，则大概率是分子量约 2000 的那个分子。
然而，当以数均分子量（Mn）进行计算时，所得结果为 360；若换用重均分子量（Mw）计算，结果却是 1205。显而易见，若将 Mn 作为参考依据，2000 分子量高分子可能赋予材料的高分子特性影响，基本会被忽视。这是因为数均分子量的计算方式对低分子量组分更为敏感，会淡化高分子量组分的作用。
故而，在工业实践中，若未特别说明分子量的表征方式，通常默认采用重均分子量（Mw）作为衡量高分子材料分子量的标准结果。
欢迎关注，共同探讨交流！
