华东理工林嘉平团队利用AI技术解决环氧树脂脆性难题

先进树脂基复合材料由于轻质高强的优点，在航天航空等领域有着广泛应用。相较于高性能碳纤维的发展，当前基体树脂的发展相对滞后，成为了制约复合材料性能提升的瓶颈。环氧树脂作为广泛使用的高性能复合材料的基体树脂，存在脆性大的难题。如何使环氧树脂兼具高强度、高模量、高韧性的性质，长期困扰着高分子材料的科研人员。传统的高分子研究范式以经验和实验试错为中心，费时费力，难以应对各类性能间相互制约的设计难题。

最近，华东理工大学林嘉平教授团队在高性能环氧树脂的设计方法上取得了突破。利用图卷积神经网络结合分子描述符与分子图表示方法捕获环氧结构的基因特征，基于Flory经典凝胶理论开发了可描述聚合物交联特性的交联密度描述符，建立了环氧树脂各类性能的机器学习模型。这种高分子材料的“AlphaFlod”模型，可以高效、快速计算海量环氧树脂结构的模量、强度和断裂伸长率（如图1）。基于机器学习模型，发展了材料基因组方法。经树脂基因定义和组合，形成了24万种候选的环氧树脂结构。通过机器学习性能预估模型，对海量虚拟结构进行了高通量预测和筛选，得到了10余种兼具高模、高强、高韧特性的新型环氧树脂结构。实验验证表明，在保持高模、高强的同时，新型环氧树脂断裂伸长率可达6.7%，有效解决了环氧树脂的脆性难题。

图1. 面向高性能环氧树脂设计的“AlphaFlod”模型，可高效、快速计算不同分子结构环氧树脂的强度、模量和断裂伸长，性能3D图中包涵24万个环氧结构的强度、模量和断裂伸长。颜色由紫到红表示综合力学性能的由弱到强。

该工作由华东理工大学博士生胡雅茜、赵文林在林嘉平教授、王立权副教授和特种树脂领域著名专家杜磊教授的指导下完成。该工作以“Machine-Learning-As sisted Design of Highly Tough Th ermosetting Polymers”为题发表在材料化学领域重要刊物ACS A ppl. Mat er. Interfaces (DOI: 10.1021/acsami.2c14290)。此外，团队近期还发展了耐高温易加工含硅芳炔树脂的机器学习模型，通过高效、快速计算耐热性能和加工粘度，成功设计获得了耐热性优异且易于加工的新型含硅芳炔树脂，其耐高温性能Td5达689℃、在110℃~152℃加工窗口下粘度低于1 Pa？s（Chem. Eng. J. 2022, 448, 137643）。研究团队以“顶天立地”为目标，既发展理论设计方法，又面向重大实际需求，推进高分子材料基因工程的高质量发展。

参考文献：Yaxi Hu^#, Wenlin Zhao^#, Liquan Wang*, Jiaping Lin*, and Lei Du. Machine-Learning-Assisted Design of Highly Tough Thermosetting Polymers. ACS Appl. Mater. Interfaces2022, DOI: 10.1021/acsami.2c14290

文章网址：https://pubs.acs.org/doi/pdf/10.1021/acsami.2c14290

课题组网站：https://jlinlab.ecust.edu.cn/