社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  机器学习算法

马里兰大学Po-Yen Chen/胡良兵/李腾团队 Nat. Nanotech.:基于机器学习加速发现高性能可降解塑料替代新方法

高分子科技 • 1 年前 • 488 次点击  
点击上方蓝字 一键订阅

2024年3月18日,美国马里兰大学Po-Yen Chen教授、胡良兵教授和李腾教授团队Nature Nanotechnology期刊上发表题为“Machine intelligence-accelerated discovery of all-natural plastic substitutes”的研究成果。


该成果结合了机器人技术、机器学习神经元网络算法与分子尺度模拟,报道了一种加速制备具有可编程光学、热学和力学性能的全天然塑料替代品新方法,通过集成工作流程(预测初筛→机理引导→定向制备)实现了全天然复合材料的多性能高效调控,该成果为解决塑料污染问题开辟了新的途径,并为建立可持续的生产和消费模式做出了重要贡献。


论文通讯作者是Po-Yen Chen、胡良兵、李腾;第一作者是陈天乐、庞震乾(现为浙江大学“百人计划“研究员)、何帅明



目前,石油塑料在满足人类需求的同时,也带来了巨大的环境和生态问题。因此,开发由纯天然基元组成的生物可降解塑料替代品是解决方案之一。然而,寻找具有特定属性(如光学透明度、防火性和机械强韧性等)的全天然替代品面临着挑战:基元数据库庞大,寻找新材料就像大海捞针,而传统的迭代优化实验效率低下,工作量巨大。此外,目前对纯天然塑料替代品的性能调控只限于单一方面,多性能同时调控受到限制。


鉴于此,美国马里兰大学的Po-Yen Chen教授、胡良兵教授和李腾教授团队提出了一种新方法,以加速制备全天然塑料替代品,这些替代品具有可编程的光学、热学和力学性能。该方法基于GRAS数据库选取全天然基元,借助机器人快速制备286个具有不同性质的纳米复合膜,接着测量膜的完整度,并导入支持向量分类器。经过14个主动学习循环和数据增强,他们逐步制备了135个全天然纳米复合材料,然后对其进行光学、阻燃和力学性能测定,并构建了人工神经网络预测模型。这个预测模型能执行两种设计任务:1)从组成材料预测全天然纳米复合材料的物理化学性质;2)自动设计生物降解塑料替代品,满足各种用户特定要求。利用强相关基元(纤维素与蒙脱石),通过分子动力学模拟从微纳尺度得到其强韧性机理,确定了拉伸行为中的三个典型强韧化阶段:1)纤维链内氢键拉伸提高模量;2)链间层间滑移实现塑性强化;3)层间裂纹扩展发生断裂,最终实现高性能复合材料的定向制备。研究表明,通过这种集成工作流程(预测初筛→机理引导→定向制备),可以避免冗长的传统迭代优化实验,促进各种功能材料的多属性优化,适用于触觉传感器、可拉伸导体、电化学电解质优化和热绝缘气凝胶等广泛的纳米科学领域。


图1:机器学习加速发现可编程全天然塑料替代品。


图2:通过机器人自动化、主动学习循环和数据增强构建高精度预测模型。


图3:最终模型准确预测揭示全部可行区域内材料光学、机械和阻燃属性;通过模型扩展引入壳聚糖,显著提升全天然塑料替代品的最终伸长率。


图4:通过AI/ML加速逆向设计,开发与传统塑料力学性能相匹配的全天然纳米复合材料。展示材料的设计空间、生物降解性测试和SHAP值分析。


图5:MD模拟探讨验证全天然纳米复合材料的拉伸失效机制;敏感性分析揭示凝胶源与MMT尺寸对复合材料性能影响。


相关论文信息:

https://doi.org/10.1038/s41565-024-01635-z


相关进展

胡良兵/琚诒光/赵继成团队 Nature:成功制备一种新型简易的比太阳表面温度更高的等离子体

马里兰大学胡良兵教授团队 Science:研制辐射制冷无机涂层 → 成立CeraCool专注产业化

木头大王胡良兵教授联合国际团队最新 Chem. Rev.综述:用于绿色建筑的新兴木材基功能材料

马里兰大学胡良兵/李腾教授 Nano Lett.:离子交联助力纤维素-石墨泡沫材料的常压制备

马里兰大学胡良兵教授等Science封面:超级木材又获新突破

马里兰大学李腾教授课题组与胡良兵教授课题组合作:基于纤维素-木质素增强复合物的一种高强度、水稳定、易降解的吸管

马里兰大学胡良兵教授课题组:超级阳离子木头

胡良兵教授和尹晓波教授等合作 Science(辐射制冷结构材料):将超级木头送热上太空,辐射制冷效果高达10度,强度媲美钛合金

美国马里兰大学胡良兵教授和李腾教授团队:比钢还强且可完全降解的低成本高性能环保材料

美国马里兰大学胡良兵教授和李腾教授团队: 让木材像钢铁一样坚硬!

南京大学祝名伟副教授和美国马里兰大学胡良兵教授合作:木材制备各向同性透明纸研究上的新进展

美国马里兰大学胡良兵教授:受肌肉启发的高度各向异性、高强且离子导电的水凝胶

马里兰大学胡良兵教授和科罗拉多大学杨荣贵教授:各向异性的纳米纤维素用作超隔热纳米材料

美国马里兰大学胡良兵教授:高效的介孔木质太阳能蒸汽发生装置

美国马里兰大学胡良兵教授和李腾教授团队: 让木材像钢铁一样坚硬!

美国马里兰大学帕克分校胡良兵教授:用于酸性水系电池的碳纳米管-纤维素纳米纤维复合集流体

马里兰大学胡良兵教授开发出一种3D打印织物,凉爽效果比棉织物高55%

马里兰大学胡良兵教授和Prof.Siddhartha Das: 仿生-受树启发的高效水提取

美国马里兰大学胡良兵副教授:超强超硬纤维素纳米纤维

免责声明:部分资料来源于网络,转载的目的在于传递更多信息及分享,并不意味着赞同其观点或证实其真实性,也不构成其他建议。仅提供交流平台,不为其版权负责。如涉及侵权,请联系我们及时修改或删除。邮箱:info@polymer.cn

诚邀投稿

欢迎专家学者提供稿件(论文、项目介绍、新技术、学术交流、单位新闻、参会信息、招聘招生等)至info@polymer.cn,并请注明详细联系信息。高分子科技®会及时推送,并同时发布在中国聚合物网上。

欢迎加入微信群 为满足高分子产学研各界同仁的要求,陆续开通了包括高分子专家学者群在内的几十个专项交流群,也包括高分子产业技术、企业家、博士、研究生、媒体期刊会展协会等群,全覆盖高分子产业或领域。目前汇聚了国内外高校科研院所及企业研发中心的上万名顶尖的专家学者、技术人员及企业家。

申请入群,请先加审核微信号PolymerChina (或长按下方二维码),并请一定注明:高分子+姓名+单位+职称(或学位)+领域(或行业),否则不予受理,资格经过审核后入相关专业群。

这里“阅读原文”,查看更多


Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/168098
 
488 次点击