华东理工大学轩福贞教授、张博威教授：机器学习用于预测MXene基复合材料的机械性能

第一作者：荣超，周磊

通讯作者：张博威，轩福贞

单位：华东理工大学

二维过渡金属碳化物（MXene）与纳米纤维素复合气凝胶因其独特的压缩力学性能而显示出巨大的应用潜力。然而，复合气凝胶的压缩力学性能对其结构单元的物理参数敏感，实验研究只能专注于少数输入变量的影响，难以通过高通量实验来优化这些参数。

为了解决上述的科学问题，该团队通过机器学习（ML）实现了对MXene/纳米纤维素气凝胶的力学性能预测。基于已报道的34组Ti₃C₂ MXene数据，训练了三种机器学习算法：人工神经网络（ANN）、支持向量机（SVM）和随机森林（RF）。结果表明，人工神经网络能较好地拟合各种非线性输入特征。Ti₃C₂的相对含量是影响复合气凝胶压缩模量的主要因素。通过对复合气凝胶力学性能的预测，得到了最大压缩模量为29 kPa时的定量结构调整。该工作为用ML预测复合材料的力学性能提供了指导。

该研究采用支持向量机（SVM）、随机森林（RF）和人工神经网络（ANN）的机器学习模型，利用文献数据集预测Ti₃C₂Tx/纳米纤维素复合气凝胶薄膜的机械性能。三种模型的计算结果均表现出高度的一致性，充分证明了复合气凝胶薄膜的力学性能与Ti₃C₂Tx的含量和碳纤维的尺寸高度相关。

从RF模型得到的输入特征的重要性来看，Ti₃C₂Tx相对含量是影响复合气凝胶薄膜力学性能最显著的参数（重要性达到0.51）。ANN模型的训练准确率（R2 = 0.966, MSE = 1.01）优于SVM模型（R2 = 0.867, MSE = 4.07）和RF模型（R2 = 0.792, MSE = 4.94）。

系统预测了复合气凝胶薄膜在大量输入可能性下的力学性能。这些结果为今后Ti ₃C₂Tx/纳米纤维素复合气凝胶薄膜的材料优化和工艺设计提供了参考。

Machine learning for mechanics prediction of 2D MXene-based aerogels

张博威教授简介：博士毕业于美国爱荷华州立大学机械工程专业，期间在耶鲁大学联合培养，毕业后在美国西北大学从事博士后研究。入选国家优青、上海市科技青年35人引领计划及上海市海外高层次人才计划，获国家海外优秀留学生奖、美国Sigma Xi授予的Zaffarano Prize (1人/年)等奖项。近5年以第一/通讯作者在Nature Communications，Advanced Materials, Nano Letters, ACS Energy Letters, Materials Horizons等SCI期刊发表论文20余篇，其中4篇入选ESI高被引论文，申请/授权专利10项。

轩福贞教授简介：现任华东理工大学校长。获国家科技进步一等奖1项、二等奖1项，省部级特等奖1项、一等奖4项、二等奖1项，中国石油与化学工业联合会青年科技突出贡献奖。主持完成国家核电重大专项（课题）、国家仪器专项、863计划、国家科技支撑计划、国家自然科学基金等课题。