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

Resumo Técnico: Um Protocolo de Discriminação de Modelos de Folha Única para Memória Estrutural em Testes 5ITT

Problema
Os testes de tixotropia de cinco intervalos (5ITT) são protocolos padrão para investigar a quebra e a recuperação de materiais de vidro-suave (soft-glassy) e tixotrópicos (ex: tintas e pastas). Embora um índice de recuperação maior que a unidade ou um contraste significativo entre as viscosidades de baixa e alta taxa de cisalhamento sejam frequentemente interpretados como evidência de "memória estrutural", o artigo argumenta que essa interpretação é incompleta. Uma curva 5ITT pode exibir recuperação mesmo dentro de um arcabouço puramente descritivo que carece de uma variável de estado interno. O problema reológico central abordado é como determinar, utilizando dados padrão de 5ITT e de varredura de fluxo (flow-sweep), se um material realmente requer uma variável de memória estrutural interna para sua descrição constitutiva, em vez de ser adequadamente descrito por uma linha de base dependente de regime e sem memória.

Metodologia
O artigo propõe um fluxo de trabalho rigoroso e falsificável de discriminação de modelos aplicado a dados públicos de 5ITT (especificamente o conjunto de dados DoEofInksRheology_GLT). O protocolo consiste em seis componentes principais:

1. Análise de Folha Única (Single-Sheet Analysis): Em vez de tirar a média das trajetórias através de uma família, o método ajusta cada folha experimental (repetição individual) separadamente para preservar a variabilidade dos dados.
2. Comparação de Modelos:
   • Linha de Base Sem Memória (Memoryless Baseline): Um modelo simples de dois estados onde a viscosidade depende apenas do regime de cisalhamento atual (Baixo ou Alto), definido por dois parâmetros ($\eta_L, \eta_H$).
   • Modelo de Memória Estrutural: Um modelo minimalista de variável interna de tempo discreto de primeira ordem. Ele introduz uma coordenada estrutural escalar ($a_i$) que relaxa em direção a valores de equilíbrio dependentes do regime ($a^{(L)}_{eq}, a^{(H)}_{eq}$) com fatores de relaxação específicos ($\alpha_L, \alpha_H$). Este modelo possui quatro parâmetros.
3. Métrica de Ajuste: Ambos os modelos são ajustados à trajetória completa de viscosidade do 5ITT em espaço logarítmico para ponderar os erros relativos uniformemente através de ordens de magnitude. A qualidade do ajuste é medida pelo Erro Quadrático Médio (RMSE) da viscosidade logarítmica.
4. Penalização de Parâmetros: O Critério de Informação de Akaike (AIC) e o Critério de Informação Bayesiano (BIC) são calculados para penalizar o modelo de memória estrutural por seus parâmetros adicionais. Um $\Delta$AIC ou $\Delta$BIC negativo (estrutural menos sem memória) indica que o modelo estrutural fornece uma melhoria estatisticamente significativa.
5. Controle Negativo de Ordem de Histórico: Para verificar se o modelo captura a dependência física do histórico ou apenas o ajuste de dois níveis de viscosidade, a ordem do protocolo 5ITT é embaralhada ($S_1 \to S_2 \to S_4 \to S_3 \to S_5$). Um modelo de memória estrutural válido deve apresentar um aumento significativo no erro sob esta ordem embaralhada, enquanto um modelo sem memória não apresentaria.
6. Verificações de Fluxo Estacionário (Steady-Flow Checks): Dados de varredura de fluxo são usados para confirmar que os materiais seguem um comportamento do tipo tensão de escoamento (Herschel-Bulkley), garantindo que os modelos dependentes do tempo operem em um ramo de fluxo estacionário fisicamente consistente.

Resultos Principais
O protocolo foi aplicado a duas famílias de formulações de tintas de vidro-suave à base de água: a família "55" (3 repetições) e a família "Ref" (6 repetições).

• Família 55 (Evidência Primária):
  • O modelo de memória estrutural reduziu o RMSE da viscosidade em espaço logarítmico em 76,6 ± 0,6% comparado à linha de base sem memória.
  • A melhoria permaneceu fortemente favorecida após a penalização: $\Delta$AIC = −187,9 ± 3,4 e $\Delta$BIC = −183,5 ± 3,4.
  • Sob o controle de ordem embaralhada, o erro do modelo estrutural aumentou em 219 ± 6%, confirmando que o modelo depende da sequência física do histórico de cisalhamento.
• Família Ref (Evidência Secundária):
  • O modelo de memória estrutural reduziu o RMSE em 47,3 ± 16,4%.
  • Todas as seis repetições mostraram valores negativos de $\Delta$AIC e $\Delta$BIC, embora a melhoria tenha sido mais variável do que na família 55.
  • O aumento do erro na ordem embaralhada foi de 68 ± 51%, indicando uma dependência de histórico mais fraca, porém ainda presente.

Significância e Alegações
O artigo afirma avançar a metodologia reológica ao transformar a análise 5ITT de um exercício descritivo (cálculo de índices de recuperação) em um teste de discriminação de modelos falsificável.

• Escopo Modesto: Os autores declaram explicitamente que isto não é uma lei constitutiva universal nem uma alegação de que uma única variável seja suficiente para todos os materiais tixotrópicos. O modelo é discreto, carece de sobrecarga de tensão contínua ou espectros de envelhecimento, e não resolve fenômenos complexos como bandamento de cisalhamento (shear banding) ou deslizamento de parede (wall slip).
• Contribuição Central: O trabalho demonstra que, para o benchmark público específico utilizado, uma única coordenada de memória interna melhora materialmente os ajustes de trajetória completa, mesmo após rigorosa penalização de parâmetros.
• Validação: A metodologia distingue com sucesso uma descrição simples de troca de regime de um modelo de memória estrutural dependente de histórico, particularmente quando a qualidade dos dados é alta (como visto na família 55). A falha do modelo estrutural sob condições de ordem embaralhada serve como um controle negativo crítico, validando que os parâmetros ajustados representam a memória física e não apenas um sobreajuste (overfitting) estatístico.

Em conclusão, o artigo fornece um fluxo de trabalho específico e testável para determinar se os dados 5ITT padrão contêm informação suficiente para justificar a inclusão de uma variável de memória estrutural interna na modelagem constitutiva.