Py学习  »  机器学习算法

北京化工大学张好斌教授AM:机器学习联合仿真技术突破绝缘电磁屏蔽材料研发瓶颈

高分子科学前沿 • 3 月前 • 117 次点击  
随着电子设备向高密度、微型化方向快速发展,高性能绝缘电磁干扰(EMI)屏蔽复合材料成为实现电子元件直接封装、避免短路风险的关键材料。然而,绝缘性与电磁屏蔽能力之间存在理论上的矛盾:绝缘材料难以形成有效的电磁波耗散路径,而传统导电填料又易导致电路短路。尽管近年研究提出通过“微电容器”结构在绝缘体系中实现电磁屏蔽的新机制,但由于微电容结构复杂、影响参数多,传统试错式实验方法效率低下,难以系统优化其屏蔽性能,严重制约了该类材料的设计与应用进程。

近期,北京化工大学张好斌教授中科院宁波材料所沈斌研究员合作通过融合机器学习与有限元仿真,首次揭示了填料均匀性对提升绝缘复合材料电磁屏蔽性能的关键作用,并在此基础上开发出具有优异综合性能的绝缘EMI屏蔽复合材料该研究通过建立高精度机器学习模型,系统解析了微电容结构参数与屏蔽效能之间的复杂关系,指导采用微流控技术制备出尺寸均匀的镓颗粒填料。所制得的复合材料在保持高电阻率(1.7×10¹² Ω·m)的同时,实现了卓越的电磁屏蔽效能(Ka波段 >90 dB)与导热性能(3.7 W·m⁻¹·K⁻¹),并具备宽温域(-196–200°C)稳定性,为高密度电子封装提供了集成化解决方案。相关论文以“Machine Learning-Accelerated Discovery of High-Performance Insulating Electromagnetic Interference Shielding Composites for Integrated Electronics”为题,发表在Advanced Materials上。

机器学习数据库的构建与优化

研究团队首先以铜颗粒为导电填料、Ecoflex为绝缘基质,构建了一系列绝缘复合材料样本,系统测量其电磁屏蔽效能,并以此为基础数据集训练了多种机器学习模型。结果表明,人工神经网络模型在预测屏蔽性能方面表现最佳,其均方误差与平均相对误差最低,能够准确捕捉结构参数与屏蔽效能之间的非线性关系。通过该模型,团队生成了包含约7万组数据的高可靠性数据库,并通过实验验证了数据的准确性,为后续结构分析与性能优化奠定了坚实基础。

图1. 建立可靠的机器学习数据库以揭示参数与性能关联。 a) 构建ML预测模型的工作流程。 b) 不同ML预测模型的MSE与MRE值比较。 c) ML预测模型所用数据库示意图。 d) 实验测得与模型预测的EMI SE值对比。

填料均匀性的关键作用揭示

借助SHAP分析与有限元仿真,研究系统探讨了填料含量、样品厚度、填料尺寸及其均匀性对屏蔽性能的影响。研究发现,尽管增加填料含量、厚度和尺寸均能提升屏蔽效能,但其增益效果随参数增大而递减。进一步分析表明,填料尺寸分布不均匀是限制性能提升的主要因素:非均匀填料体系中小尺寸颗粒会制约微电容中的感应电流密度,导致整体屏蔽性能提升有限。仿真结果直观显示,均匀填料体系中的感应电流强度显著高于非均匀体系,且在相同填料含量与厚度下,均匀填料能更有效地衰减电磁波传输。

图2. 结构参数与复合材料屏蔽性能之间的内在关联。 a) 特征重要性的SHAP值图。 b) 含90 wt%不同直径导电颗粒的复合材料在不同厚度下的EMI SE值。 c) 含500 μm导电颗粒的复合材料在不同含量与厚度下的EMI SE值。 d) 在500 μm粒径下,不同含量复合材料的GF随厚度变化曲线。 e) 在3 mm厚度下,不同粒径复合材料的GF随含量变化曲线。 f) 在3 mm厚度下,不同含量复合材料的GF随粒径(1–50 μm)变化曲线。 g) 均匀与非均匀填料复合材料中感应电流的有限元仿真。 h) 增加填料含量时,均匀与非均匀颗粒填充复合材料中感应电流的变化。 i) 增加填料含量与厚度时,均匀与非均匀颗粒填充复合材料中模拟电场强度的变化。 j) 不同颗粒直径下的电流密度分布有限元仿真。 k) 通过集成ML与有限元仿真获得的髙性能绝缘EMI屏蔽复合材料设计准则。

临界尺寸效应与微流控制备均匀填料

研究还观察到填料尺寸对屏蔽性能的影响存在临界值(约20 μm):低于该尺寸时,电磁波可激发整个颗粒内的电荷振荡,屏蔽效能随尺寸增大迅速提升;超过临界尺寸后,集肤效应导致电流集中于颗粒表层,内部电荷难以参与振荡,性能提升减缓。为指导均匀填料的制备,团队采用微流控技术,通过调节流动速率比、通道尺寸与黏度比,成功实现了单分散镓颗粒的高通量、可控制备,其粒径变异系数仅为2–7%,显著优于传统超声破碎或机械剪切方法。使用该均匀填料制备的复合材料,其屏蔽性能明显优于非均匀填料体系。

图3. 通过液滴微流控制备尺寸可控的均匀镓颗粒。 a) T型微流控系统中分散相体积分布的模拟及其受力示意图。 b) 不同T型接头直径下,镓颗粒直径随流动速率比的变化。 c) 不同黏度比下,镓颗粒直径随流动速率比的变化。 d) 在T型接头直径0.5 mm、黏度比40条件下,流动速率比为3.2(上)和25.2(下)时镓颗粒的光学显微镜图像。 e) 在流动速率比50、黏度比40条件下,T型接头直径为0.25 mm(上)和0.15 mm(下)时镓颗粒的光学显微镜图像。 f) 在T型接头直径0.25 mm、流动速率比42条件下,黏度比为70(上)和110(下)时镓颗粒的光学显微镜图像。 g) 固体镓颗粒(650 μm)的宏观照片。 h) 不同方法制备的镓颗粒粒径分布对比。 i) 采用机械剪切法与微流控法制备的镓颗粒填充复合材料的EMI屏蔽性能对比。

高性能复合材料性能验证与应用展示

基于上述设计准则,团队制备了以均匀镓颗粒为填料的绝缘复合材料(GaPC-650)。该材料在X波段与Ka波段均表现出优异的屏蔽效能,最高可达90 dB以上,同时保持高绝缘性与导热性。微观结构表征证实,镓颗粒在聚合物基质中均匀分布且彼此隔离,形成有效的微电容结构。在应用层面,该材料可直接灌封高密度电子元件,实现优异的近场电磁屏蔽与散热功能。实验显示,其能够显著降低元件间电磁泄漏,并在LED芯片散热测试中有效降低工作温度,延长器件寿命。材料在极端高低温循环、湿热环境及机械弯曲等苛刻条件下仍保持性能稳定,展现出良好的工程应用潜力。

图4. 高性能绝缘、电磁屏蔽与导热复合材料的有目标设计与性能。 a) 集成机器学习与有限元仿真加速发现高性能绝缘EMI屏蔽复合材料及其在电子封装中应用的示意图。 b) 填充不同直径(450–750 μm)与含量(75–90 wt%)的均匀与非均匀镓颗粒复合材料在2 mm厚度下的EMI屏蔽性能。 c) GaPC-650(90 wt%)在2 mm(黑线)与8 mm(红线)厚度下于8.2–40 GHz频段的屏蔽性能。 d) 通过微CT重建的GaPC-650中镓颗粒分布。 e) 与各类材料EMI SE性能的对比。 f) 与各类材料导热性能的对比。

图5. 直接灌封电子器件以应对电磁兼容性与过热问题。 a) 集成电子中的电磁兼容与热积累问题示意图。 b) 传统封装方法与采用GaPC-650直接灌封以解决信号串扰与热积累的对比。 c) 未填充与填充GaPC-650的缝隙对电磁波透射率的影响。 d) GaPC-650在20 GHz下的近场屏蔽效能二维分布图。 e) GaPC-650在8–20 GHz频率范围内的平均近场屏蔽性能。 f) 覆盖屏蔽材料前后辐射源辐射强度的对比。 g) Ecoflex、GaPC-200与GaPC-650在加热过程中表面温度变化。 h) 使用Ecoflex与GaPC-650作为热界面材料时LED芯片的温度-时间曲线与红外图像。 i) GaPC-650在极端温度、热冲击、弯曲、振动及湿热环境下长时间暴露后的EMI SE与芯片表面温度变化。

总结与展望

该研究通过集成机器学习与多尺度仿真,建立了从微观结构到宏观性能的理性设计框架,揭示了填料均匀性在绝缘电磁屏蔽复合材料中的关键作用,为高性能电子封装材料的发展提供了新思路。未来,通过进一步引入聚合物基体电学性质、填料磁性等因素,有望拓展绝缘屏蔽材料的工作频宽,并结合可加工性、力学性能等工程化指标,推动该类材料在下一代集成电子系统中的实际应用。

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/190212