華東理工大學林嘉平教授團隊：高分子“AlphaFlod”解決環氧樹脂脆性大
已有人閱讀此文 - -
先進的樹脂基復合材料由于其重量輕、強度高等優點，在航空航天等領域得到了廣泛的應用。與高性能碳纖維的發展相比，目前基體樹脂的發展相對滯后，已成為制約復合材料財產提高的瓶頸。作為廣泛應用的高性能復合材料的基體樹脂，環氧樹脂存在脆性大的問題。如何使環氧樹脂具有高強度、高模量和高韌性的財產，一直困擾著高分子材料的研究者。傳統的聚合物研究范式是基于經驗和實驗的反復試驗，費時費力，難以處理各種財產之間相互制約的設計問題。
最近，華東理工大學林嘉平教授團隊在高性能環氧樹脂的設計方法上取得了突破。利用圖卷積神經網絡結合分子描述符與分子圖表示方法捕獲環氧結構的基因特征，基于Flory經典凝膠理論開發了可描述聚合物交聯特性的交聯密度描述符，建立了環氧樹脂各類性能的機器學習模型。這種高分子材料的“AlphaFlod”模型，可以高效、快速計算海量環氧樹脂結構的模量、強度和斷裂伸長率（如圖1）。基于機器學習模型，發展了材料基因組方法。經樹脂基因定義和組合，形成了24萬種候選的環氧樹脂結構。通過機器學習性能預估模型，對海量虛擬結構進行了高通量預測和篩選，得到了10余種兼具高模、高強、高韌特性的新型環氧樹脂結構。實驗驗證表明，在保持高模、高強的同時，新型環氧樹脂斷裂伸長率可達6.7%，有效解決了環氧樹脂的脆性難題。
圖1. 面向高性能環氧樹脂設計的“AlphaFlod”模型，可高效、快速計算不同分子結構環氧樹脂的強度、模量和斷裂伸長，性能3D圖中包涵24萬個環氧結構的強度、模量和斷裂伸長。顏色由紫到紅表示綜合力學性能的由弱到強。
該工作由華東理工大學博士生胡雅茜、趙文林在林嘉平教授、王立權副教授和特種樹脂領域著名專家杜磊教授的指導下完成。該工作以“Machine-Learning-Assisted Design of Highly Tough Thermosetting Polymers”為題發表在材料化學領域重要刊物ACS Appl. Mater. Interfaces (DOI: 10.1021/acsami.2c14290)。此外，團隊近期還發展了耐高溫易加工含硅芳炔樹脂的機器學習模型，通過高效、快速計算耐熱性能和加工粘度，成功設計獲得了耐熱性優異且易于加工的新型含硅芳炔樹脂，其耐高溫性能Td5達689℃、在110℃~152℃加工窗口下粘度低于1 Pa?s（Chem. Eng. J. 2022, 448, 137643）。研究團隊以“頂天立地”為目標，不僅開發理論設計方法，還面臨推動高分子材料基因工程高質量發展的重大現實需求。
最近，華東理工大學林嘉平教授團隊在高性能環氧樹脂的設計方法上取得了突破。利用圖卷積神經網絡結合分子描述符與分子圖表示方法捕獲環氧結構的基因特征，基于Flory經典凝膠理論開發了可描述聚合物交聯特性的交聯密度描述符，建立了環氧樹脂各類性能的機器學習模型。這種高分子材料的“AlphaFlod”模型，可以高效、快速計算海量環氧樹脂結構的模量、強度和斷裂伸長率（如圖1）。基于機器學習模型，發展了材料基因組方法。經樹脂基因定義和組合，形成了24萬種候選的環氧樹脂結構。通過機器學習性能預估模型，對海量虛擬結構進行了高通量預測和篩選，得到了10余種兼具高模、高強、高韌特性的新型環氧樹脂結構。實驗驗證表明，在保持高模、高強的同時，新型環氧樹脂斷裂伸長率可達6.7%，有效解決了環氧樹脂的脆性難題。
圖1. 面向高性能環氧樹脂設計的“AlphaFlod”模型，可高效、快速計算不同分子結構環氧樹脂的強度、模量和斷裂伸長，性能3D圖中包涵24萬個環氧結構的強度、模量和斷裂伸長。顏色由紫到紅表示綜合力學性能的由弱到強。
該工作由華東理工大學博士生胡雅茜、趙文林在林嘉平教授、王立權副教授和特種樹脂領域著名專家杜磊教授的指導下完成。該工作以“Machine-Learning-Assisted Design of Highly Tough Thermosetting Polymers”為題發表在材料化學領域重要刊物ACS Appl. Mater. Interfaces (DOI: 10.1021/acsami.2c14290)。此外，團隊近期還發展了耐高溫易加工含硅芳炔樹脂的機器學習模型，通過高效、快速計算耐熱性能和加工粘度，成功設計獲得了耐熱性優異且易于加工的新型含硅芳炔樹脂，其耐高溫性能Td5達689℃、在110℃~152℃加工窗口下粘度低于1 Pa?s（Chem. Eng. J. 2022, 448, 137643）。研究團隊以“頂天立地”為目標，不僅開發理論設計方法，還面臨推動高分子材料基因工程高質量發展的重大現實需求。
