A single-sheet model-discrimination protocol for structural memory in 5-interval thixotropy tests of soft-glassy inks

기술 요약: 5ITT 테스트의 구조적 기억(Structural Memory)을 위한 단일 시트 모델 판별 프로토콜

문제 정의
5단계 간격 thixotropy 테스트(5ITT)는 연성 유리상(soft-glassy) 및 thixotropic 물질(예: 잉크 및 페이스트)의 파괴와 회복을 조사하기 위한 표준 프로토콜이다. 회복비가 1보다 크거나 저전단 점도와 고전단 점도 사이의 유의미한 대비가 나타나면 흔히 "구조적 기억"의 증거로 해석되지만, 본 논문은 이러한 해석가 불완전하다고 주장한다. 5ITT 곡선은 내부 상태 변수가 없는 순수하게 기술적인(descriptive) 프레임워크 내에서도 회복 현상을 보일 수 있다. 본 논문에서 다루는 핵심적인 유변학적 문제는, 표준 5ITT 및 유동 스윕(flow-sweep) 데이터를 사용하여 특정 물질이 단순히 레짐(regime)에 의존하는 무기억 베이스라인으로 충분히 설명될 수 있는지, 아니면 진정으로 내부 구조적 기억 변수를 필요로 하는지를 어떻게 결정할 것인가 하는 점이다.

방법론
본 논문은 공개된 5ITT 데이터(DoEofInksRheology_GLT 데이터셋)에 적용되는 엄격하고 반증 가능한 모델 판별 워크플로우를 제안한다. 이 프로토콜은 다음의 6가지 핵심 요소로 구성된다:

1. 단일 시트 분석 (Single-Sheet Analysis): 데이터의 변동성을 보존하기 위해, 제품군 전체의 궤적을 평균 내는 대신 각 실험 시트(개별 반복 실험)를 별도로 피팅한다.
2. 모델 비교:
   • 무기억 베이스라인 (Memoryless Baseline): 점도가 현재 전단 레짐(저전단 또는 고전단)에만 의존하는 단순한 두 상태 모델로, 두 개의 파라미터($\eta_L, \eta_H$)로 정의된다.
   • 구조적 기억 모델 (Structural-Memory Model): 최소한의 1차 이산 시간 내부 변수 모델이다. 이는 레짐 의존적 평형값($a^{(L)}_{eq}, a^{(H)}_{eq}$)을 향해 완화되는 스칼라 구조 좌표($a_i$)를 도입하며, 특정 완화 계수($\alpha_L, \alpha_H$)를 가진다. 이 모델은 4개의 파라미터를 가진다.
3. 피팅 지표 (Fit Metric): 로그 스케일 상에서 상대 오차를 균등하게 가중치 부여하기 위해 전체 5ITT 점도 궤적을 로그 공간에서 피팅한다. 적합도의 척도는 로그 점도의 평균 제곱근 오차(RMSE)이다.
4. 파라미터 페널티 (Parameter Penalization): 구조적 기억 모델의 추가된 파라미터에 대해 페널티를 부여하기 위해 아카이케 정보 기준(AIC)과 베이지안 정보 기준(BIC)을 계산한다. 음수의 $\Delta$AIC 또는 $\Delta$BIC(구조적 모델 - 무기억 모델)는 구조적 모델이 통계적으로 유의미한 개선을 제공함을 나타낸다.
5. 이력 순서 음성 대조군 (History-Order Negative Control): 모델이 단순히 두 가지 점도 수준을 피팅하는 것이 아니라 물리적 이력 의존성을 포착하는지 검증하기 위해, 5ITT 프로토콜 순서를 뒤섞는다 ($S_1 \to S_2 \to S_4 \to S_3 \to S_5$). 유효한 구조적 기억 모델은 이 뒤섞인 순서 하에서 유의미한 오차 증가를 보여야 하는 반면, 무기억 모델은 그렇지 않아야 한다.
6. 정상 유동 확인 (Steady-Flow Checks): 유동 스윕 데이터를 사용하여 재료가 허셜-벌클리(Herschel-Bulkley) 모델과 같은 항복 응력 거동을 따르는지 확인함으로써, 시간 의존적 모델이 물리적으로 일관된 정상 유동 분지(steady-flow branch)에서 작동함을 보장한다.

주요 결과
이 프로토콜은 두 가지 수성 연성 유리상 잉크 조성물 제품군인 "55" 제품군(3회 반복)과 "Ref" 제품군(6회 반복)에 적용되었다.

• 55 제품군 (주요 증거):
  • 구조적 기억 모델은 무기억 베이스라인에 비해 로그 공간 점도 RMSE를 76.6 ± 0.6% 감소시켰다.
  • 개선 효과는 페널티 적용 후에도 강력하게 유지되었다: $\Delta$AIC = −187.9 ± 3.4, $\Delta$BIC = −183.5 ± 3.4.
  • 뒤섞인 순서의 대조군 조건에서 구조적 모델의 오차는 219 ± 6% 증가하였으며, 이는 모델이 물리적 전단 이력의 순서에 의존함을 확인시켜 준다.
• Ref 제품군 (보조 증거):
  • 구조적 기억 모델은 RMSE를 47.3 ± 16.4% 감소시켰다.
  • 6회의 반복 실험 모두에서 음수의 $\Delta$AIC 및 $\Delta$BIC 값을 보였으나, 55 제품군에 비해 변동성이 더 컸다.
  • 뒤섞인 순서에서의 오차 증가는 **68 ± 51%**로, 약하지만 여전히 존재하는 이력 의존성을 나타냈다.

의의 및 주장
본 논문은 5ITT 분석을 (회복비를 계산하는) 기술적 연습에서 반증 가능한 모델 판별 테스트로 전환함으로써 유변학적 방법론을 발전시킨다고 주장한다.

• 제한적 범위: 저자들은 이것이 보편적인 구성 방정식(constitutive law)이 아니며, 단일 변수가 모든 thixotropic 물질에 충분하다는 주장이 아님을 명시적으로 밝힌다. 이 모델은 이산적이며, 복잡한 연속적 응력 오버슈트(stress overshoot)나 에이징 스펙트럼을 해결하지 못하며, 전단 밴딩(shear banding)이나 벽 미끄러짐(wall slip)과 같은 복잡한 현상을 해결하지 않는다.
• 핵심 기여: 본 연구는 사용된 특정 공개 벤치마크에 대해, 엄격한 파라미터 페널티 적용 후에도 단일 내부 기억 좌표가 전체 궤적 피팅을 실질적으로 개선한다는 것을 입증한다.
• 검증: 본 방법론은 단순한 레짐 전환 기술과 이력 의존적 구조 모델을 성공적으로 구분해 낸다. 특히 데이터 품질이 높을 때(55 제품군에서 나타난 바와 같이) 더욱 그러하다. 뒤섞인 순서 조건에서의 구조적 모델 실패는, 피팅된 파라미터가 통계적 과적합(overfitting)이 아닌 물리적 기억을 나타낸다는 것을 검증하는 중요한 음성 대조군 역할을 한다.

결론적으로, 본 논문은 표준 5ITT 데이터가 구성 모델링을 위해 내부 구조적 기억 변수를 포함시키는 것을 정당화할 만큼 충분한 정보를 포함하고 있는지를 결정하기 위한 구체적이고 테스트 가능한 워크플로우를 제공한다.