寻找下一个创新的聚合物始终是一项艰巨的任务，但研究人员现在正在利用人工智能（AI）来彻底改变这一领域。
一些知名的聚合物如尼龙、特氟龙和凯芙拉已经对我们的世界产生了重大影响。从特氟龙涂层的炊具到3D打印的进步，聚合物在改善各种提升我们日常生活的系统中至关重要。
尽管识别下一个革命性聚合物面临挑战，乔治亚理工学院的研究人员正在利用人工智能（AI）来影响这个领域的未来。由兰皮·兰普拉萨德（Rampi Ramprasad）领导的团队正在开发和修改AI算法，以加速新材料的发现。
今年夏天，《自然》杂志系列发布的两篇论文突出展示了源自多年基于AI的聚合物信息学研究的显著成就。第一篇论文发表在《自然材料评论》上，介绍了在为能源存储、过滤技术和可回收塑料等关键应用设计聚合物方面的最新进展。第二篇论文在《自然通讯》中探讨了AI算法如何发现专注于静电能源存储的新类别聚合物，并成功进行了所设计材料的实验室合成和测试。
“最初，AI在材料科学中的应用主要是出于好奇，特别是在白宫十多年前发起材料基因组计划之后，”材料科学与工程学院的教授兰普拉萨德说。“直到最近，我们才开始观察到一些真正的成功案例，推动了AI驱动聚合物发现的进展。这些成就正在推动工业材料研究和开发领域的重大变化，使得这篇综述特别重要且及时。”
人工智能的机会
兰普拉萨德的团队开发了创新的算法，能够迅速预测聚合物的性质和配方，甚至在它们实体生产之前。该过程首先是建立应用所需的特定属性或性能标准。然后，机器学习（ML）模型在现有材料-属性数据上进行训练，以预测这些期望结果。团队还可以生成新型聚合物，通过机器学习模型预测它们的性质。满足属性标准的主要候选者将被选中进行真实世界的验证，通过实验室合成和测试。这些实验的结果会与初始数据整合，以持续增强预测模型。
尽管AI可以加速新聚合物的发现，但它也带来了独特的挑战。AI预测的可靠性依赖于丰富、多样和广泛的初始数据集，因此高质量数据至关重要。此外，开发能够生成在化学上真实且可合成的聚合物的算法是一项复杂的工作。
一个主要挑战出现在算法预测属性之后：确认所设计的材料确实能够在实验室合成，按预期功能运作，并展现出满足实际应用的可扩展性。兰普拉萨德的团队专注于设计这些材料，而来自乔治亚理工学院等不同机构的合作者处理它们的制造、加工和测试。化学与生物分子工程学院的赖安·莱弗利教授定期与兰普拉萨德的团队合作，并共同撰写了《自然材料评论》中的论文。
“在我们的常规研究中，广泛利用了兰普拉萨德团队开发的机器学习模型，”莱弗利指出。“这些工具加快了我们的工作，使我们能够迅速探索新概念，展示了机器学习和人工智能的潜力。在投入时间和资源进行实验室探索之前，我们可以做基于模型的决策。”
在人工智能的帮助下，兰普拉萨德的团队及其合作者在能源存储、过滤技术、增材制造和可回收材料等领域取得了显著进展。
聚合物进展
在《自然通讯》论文中提到的一项显著成功是开发用于电容器的新聚合物，这些电容器是存储静电能量的重要设备。这些电容器在电动车和混合动力车辆等应用中发挥着重要作用。兰普拉萨德的团队与康涅狄格大学的研究人员合作参与了这个项目。
传统的电容器聚合物通常提供高能量密度或热稳定性，但不能同时具备两者。利用AI工具，研究人员发现由聚诺尔丁烯和聚酰亚胺聚合物制成的绝缘材料可以同时实现高能量密度和高热稳定性。这些聚合物也可以进一步优化，以承受航空航天应用中存在的苛刻环境，同时促进环境可持续性。
“这类新聚合物兼具高能量密度和热稳定性，体现了AI如何引导材料发现，”兰普拉萨德表示。“这一成就是与康涅狄格大学的格雷格·索兹丁和杨超多年的跨学科合作的结果，并得到了海军研究办公室的持续支持。”
行业潜力
《自然材料评论》文章中确认的行业贡献进一步突显了AI辅助材料开发的实际应用机会。这份出版物的合著者还包括丰田研究所和通用电气的科学家。为了进一步推动行业中的AI驱动材料开发，兰普拉萨德共同创办了Matmerize Inc.，这是从乔治亚理工学院衍生出的初创公司。他们的基于云的聚合物信息学软件已被来自能源、电子、消费品、化学加工和可持续材料等不同领域的公司使用。
“Matmerize将我们的研究转化为一个稳固、灵活和适合行业的解决方案，让用户能够以更高的效率和更低的成本虚拟设计材料，”兰普拉萨德解释道。“作为一项研究好奇心开始的项目，已经获得了实质性的动力，引领我们进入一个令人兴奋的新材料设计时代。”
