搜索:  
江苏大学聂仪晶课题组 Macromolecules:利用分子模拟和机器学习揭示聚合物自愈合的微观机制
2024-03-30  来源:高分子科技

  目前,自愈合聚合物的研发及其自愈合微观机理的研究是高分子材料及高分子物理领域内的研究热点。氢键型自愈合聚合物是备受关注的一类自愈合材料。但是聚合物自愈合过程的微观机制还没有完全研究清楚,因此无法建立自愈合聚合物的微观结构特征与其机械强度和自修复效率之间的直接关系。


1. 包含裂纹的高分子系统的快照


  近期,江苏大学聂仪晶课题组利用分子模拟与机器学习相结合的方法对氢键型自愈合高分子材料的自愈合机理进行了深入研究。通过粗粒化分子动力学模拟构建了裂纹模型(图1),在不同自愈合温度不同自愈合时间下得到裂纹区域中两种尺度结构(链段和分子链)的演变过程。研究表明,低温下分子链在裂纹区域几乎没有重构,升高愈合温度能够促进聚合物链在裂纹区域的扩散和结构的重构,进而提高自愈合效率。并且通过应力-应变曲线和自愈合效率的计算,验证了愈合时间和愈合温度对于聚合物自愈合性能的影响。这对于聚合物材料的设计和自愈合性能的优化提供了重要的理论指导,也为后续机器学习建立了所需的数据集,为进一步探索聚合物自愈合性能和结构之间的关系,以及探求二者的潜在规律和趋势提供了数据支撑。


2. (a)裂纹体系的愈合过程 (b)不同愈合时间下的微观结构演变过程及自愈合效率 (c)不同愈合温度下的微观结构演变及自愈合效率


  在机器学习中,首先使用三种特征工程(Lasso回归、随机森林、XGBoost)筛序出对自愈合效率影响最大的特征。三种特征工程一致认为,分子链质心特征是最重要的影响因素。增加三种特征的值都能够提高自愈合效率,分子链质心的提升效果更明显。在建立模型阶段使用三种机器学习模型(随机森林、XGBoostLasso回归)对数据进行训练,通过超参数调优和交叉验证获得最佳超参数组合,使用决定系数R2,均方根误差RMSE评价模型,结果表明随机森林模型具有最佳的性能(R2=0.8967, RMSE=0.0333)。在后续的模型验证中使用训练好的随机森林模型,输入微观结构的数据得到自愈合效率的预测值,可以看出机器学习预测的数据与模拟结果相符合,证明了通过机器学习的方法揭示聚合物自愈合机理的可行性和有效性。成功构建了愈合过程中的结构变化与自愈效率之间的定量关系。


3. (a)Lasso回归特征工程; (b)随机森林模型的RMSE解释图; (c)自愈合效率的模拟值与预测值的对比。


  该工作以“Microscopic Mechanisms of Self-Healing in Polymers Revealed by Molecular Simulations and Machine Learning”为题发表在《Macromolecules》上。文章的通讯作者是江苏大学聂仪晶副教授,第一作者为周玉航。该研究得到国家自然科学基金委的支持。聂仪晶课题组主要从事氢键型自愈合聚合物设计、制备及模拟方面的研究。通过在聚氨酯系统中同时构筑多重氢键网络、配位键网络、共价交联、柔性嵌段实现了体系力学强度和自愈合效率的协同提升(Progress in Organic Coatings2023, 175, 107391 ;通过实验与模拟相结合的方法揭示了不同结构特征(氢键强度、链柔顺性等)对聚氨酯自愈合性能的影响机制(Physical Chemistry Chemical Physics, 2023, 25, 28162);通过对纳米二氧化硅表面进行改性实现对聚氨酯体系中游离氢键和缔合氢键含量的调控,从而控制力学性能和自愈合性能(Polymer Chemistry, 2024, 15, 384-396);通过将极性橡胶与聚氨酯进行共混,提高体系中氢键网络强度,实现材料自愈合性能的提高(Polymer, 2022, 246, 124768)。


  原文链接:https://doi.org/10.1021/acs.macromol.4c00338

版权与免责声明:中国聚合物网原创文章。刊物或媒体如需转载,请联系邮箱:info@polymer.cn,并请注明出处。
(责任编辑:xu)
】【打印】【关闭

诚邀关注高分子科技

更多>>最新资讯
更多>>科教新闻