聚酰胺复合膜（PA-TFC）是纳滤和反渗透等技术的“芯片”，其性能取决于超薄分离皮层。在纳米尺度下，这一分离皮层呈现出丰富多样的形貌与拓扑特征，包括致密的关键选择层、内部空隙以及表面异质结构等。然而，这些结构的形成机制及其对跨膜传输和溶质排斥的影响仍不够清晰，使得膜制造长期依赖经验试错。因此，阐明分离皮层的微观结构对于建立可靠的“合成-形貌-性能”关系，推动PA-TFC膜设计从经验制造转向定向开发至关重要。

  近日，浙江大学张林教授团队在国际权威综述期刊《Progress in Polymer Science》发表题为《Polyamide Membrane Morphology: Bridging Characterization Advances and Future Design》（10.1016/j.progpolymsci.2026.102150）的综述文章，系统梳理了PA-TFC复合膜分离皮层形貌分析的研究历程与前沿进展。文章全面整合了二维和三维表征技术所带来的PA层关键结构的见解，深入探讨了形貌在传质过程中的关键作用，并指出了当前表征方法的局限性。基于丰富的形态学证据，该研究批判性地评估了目前关于聚酰胺选择层形成机制的主流假说及其实验基础。最后，展望了表征技术革新、形貌数据提取以及将结构信息整合进传输模型的新趋势，为建立“合成-形貌-性能”多级关系提供了系统性思路。该综述第一作者为浙江大学化学工程与生物工程学院博士生周诗羽，研究得到国家自然科学基金以及浙江省“领雁”项目的资助。

图1 聚酰胺膜表征进展

  界面聚合法制备的聚酰胺复合膜，是目前水净化领域的先进材料，其分离性能在很大程度上取决于分离皮层的微观形貌。然而，目前对“合成-形貌-性能”链条关系的理解不完整，导致高性能膜的开发长期依赖经验试错。形貌是连接界面聚合反应条件与膜性能的关键桥梁。2000 年代以来，光谱与显微技术的持续进步，极大提升了对聚酰胺层形貌的探测能力。采用二维与三维表征技术解析PA层形貌的研究由此涌现，逐步揭示了包含表面结构、关键选择层及内部空隙在内的复杂特征。然而，在主流研究中，专门阐明选择层精细结构的工作仍属少数，且获得的形貌认知往往较为零散。领域内尚缺乏对这些发现的系统整合与批判性分析。

图2 聚酰胺纳滤膜与反渗透膜的表面形貌

  该综述系统整合了聚酰胺膜跨尺度、多维形貌分析的关键进展，将分散的二维与三维结构信息纳入统一框架，调和现有争议并避免新发现的碎片化。文章追踪了关键选择层空间位置的历史认知与实验依据，介绍了全芳香聚酰胺选择层的三层结构模型，包含顶部疏松层、中间致密选择层和底部过渡层；通过梳理分离皮层内部空隙的表征进程，厘清了PA层背孔-内部空隙-表面褶皱的物理连通关系，三者共同构成聚酰胺活性层的三维框架。在此基础上，整合了数值模拟与表征证据，解析了空隙影响膜性能的三种机制——增加有效表面积、优化跨膜传输路径、改变水分配与扩散行为。针对当前形貌分析多依赖目视定性、缺乏定量手段的局限，文章提出一套二维定量分析体系，即筛选关键形貌参数、建立标准化图像处理流程，并集成机器学习算法实现形貌特征的自动识别与参数提取。基于PA层结构的全面解析，文章将多种形貌形成假说系统地归纳为不规则皱褶与规则图案两大类形成机制，通过批判性评估实验证据，构建了统一的“条件-形貌”框架，为下一代聚酰胺膜的理性设计提供了形态学基础。

图3 聚酰胺膜表面不规则褶皱与规则图案的形成机制

  展望未来，表征技术和人工智能技术的进步有望加深我们对 PA 层形成机制和传输机制的理解。具有增强时空分辨率的先进原位表征技术对于直接观察 界面聚合反应以及阐明成膜过程和形貌形成机制具有相当大的潜力。此外，原位表征技术可用于探测膜分离过程背后的动力学和分子间相互作用，从而更深入地了解传输机制。人工智能的出现提供了高效处理复杂、多维数据的能力，从而为全面分析 PA 膜特性数据集提供了变革性机遇。在图像分析领域，基于神经网络深度学习的自动断层扫描数据集工作流程已被证明能有效识别聚合物-真空边界并减少 ET 数据的处理时间。同时，在非成像技术方面，机器学习能够从光谱中识别和预测材料或分子的结构和浓度信息，并对复杂混合物进行详细分析。更重要的是，人工智能能够高效处理包含聚酰胺结构及溶质-膜相互作用的海量、多维数据集，从而揭示传统分析方法被忽略的相关性，并将这些见解应用于预测模型。利用合成-形态-性能关系，机器学习还可以用于膜材料的预测性设计和逆向设计，从而大幅减少对经验性制造的依赖，加速下一代聚酰胺膜的系统设计。

  该综述是以过去20年的文献报道为基础，结合团队近年的研究成果，对聚酰胺膜表征与形貌调控的系统评述。在前期研究中，该团队首次将“反应-扩散系统”理论应用于水处理膜的结构设计，制备出首张具有图灵斑图结构的纳滤膜（Science 2018, 360, 518），该研究提出的由“反应-扩散”主导的形貌形成机制，拓展“合成-形貌”关系的认知，激发了具有褶皱结构聚酰胺纳滤膜的研究。最近，团队率先将AI技术应用于分离膜的制备与性能分析，利用其强大的预测和决策能力解析膜“形貌-性能”关系，揭示了多基团耦合效应主导的微污染物去除新机制（Nature Sustainability (2025) https://doi.org/10.1038/s41893-025-01617-6）。建立了多种纳米尺度的聚酰胺表面荷电性表征技术和定量分析方法，发现了电荷均匀性对离子选择性主导的作用（Nat Water (2025) https://doi.org/10.1038/s44221-025-00498-5）。通过整合库仑定律、高斯定律和Henderson-Hasselbalch方程，建立了预测聚酰胺膜表面荷电性对微污染截留性能的模型(AIChE J(2026) https://doi.org/10.1002/aic.70282)。

  原文链接：https://doi.org/10.1016/j.progpolymsci.2026.102150