第一作者：刘友海，陈思同，江天宇，杨福胜，尹文龙，于国洋，杨延强，张文全
通讯作者：陈思同，张文全
单位：中国工程物理研究院化工材料研究所，西安交通大学，中国工程物理研究院流体物理研究所
近日，中国工程物理研究院化工材料研究所的研究团队，在化学工程与材料科学领域权威期刊Chemical Engineering Journal 上发表重要研究成果，该研究成功报道了一种兼具超高能量密度与优异安全性的新型含能化合物——3-氨基-7-硝基-[1,2,4]三唑[1,5-b][1,2,4,5]四嗪-2-氧化物（代号ICM-107），并首次完整展示了从“机器学习智能设计”到“实验合成验证”的高能低感含能材料一体化创新研究范式，为破解含能材料领域“高能必高感”的传统困局提供了新的解决方案。
图1. ICM-107与典型[5,6]稠环含能材料对比。图片来源：Chem. Eng. J.
含能材料其核心性能能量密度与安全性（感度）往往相互掣肘，此消彼长。近年来，[5,6]稠环含氮杂环体系因其高氮含量、优异的平面共轭结构及潜在的紧密分子堆积特性，被视为实现能量与安全性平衡的潜力平台。然而，面对该体系内骨架与官能团组合所构成的浩瀚化学空间（潜在分子数以万计），依赖传统的量子化学计算与实验试错方法进行探索，十分耗时耗力。
针对这一挑战，研究团队利用机器学习辅助的高通量虚拟筛选（ML-HTVS）技术，构建了一条“机器学习 → 虚拟筛选 → 实验合成 → 性能验证”的完整闭环流程，快速发现并通过实验验证获得了一种新型低感含能化合物ICM-107。该流程成功地将数据驱动的智能预测与物理导向的实验验证深度融合，首次实现了基于机器学习的高能量高安全性含能材料的研制。
1. 智能分子生成与性能初筛。该团队首先通过脚本生成了45,668个潜在的氮氧化[5,6]稠环分子，构建了专属的虚拟分子库。随后，利用自主研发的深度机器学习模型（包括用于回归预测的D-MPNN模型和用于分类的CNN模型），对这些海量分子的密度、爆速、爆压、热分解温度等关键性能参数进行快速、准确的预测。尤为创新的是，模型还对分子的晶体堆积类型进行了预测与评分，从而在虚拟空间中预先评估其结晶性与结构稳定性。
图2. 化学空间的构建。图片来源：Chem. Eng. J.
2. 精准“点名”与最优候选者脱颖而出。基于上述多维度的性能预测与堆积评分，研究团队从四万多个候选分子中，智能筛选出综合性能最优、评分最高的目标分子——ICM-107。它凭借预测的卓越性能从“数字海洋”中成功“被点名”，走向实验台。
图3. 多模型协同性能预测、筛选。图片来源：Chem. Eng. J.
3. 实验合成与性能全面验证。理论预测需要实验的坚实支撑。研究人员成功攻克合成难题，获得了ICM-107的单晶。X射线单晶衍射分析显示，其低温密度高达2.005 g cm-³，室温密度亦达1.973 g cm-³，在已报道的[5,6]稠环含能材料中位居榜首。高密度直接转化为了优异的能量性能：ICM-107理论计算爆速达9584 m/s、爆压40.0 GPa，与激光烧蚀法实测结果（9290 m/s, 39.5 GPa）高度吻合，能量水平超越HMX，逼近“炸药之王”CL-20。同时，ICM-107展现出卓越的安全性：热分解温度212℃，撞击感度20 J，摩擦感度324 N，各项指标均达到低感标准，实现了高能与低感的罕见统一。
图4. ICM-107的晶体结构。图片来源：Chem. Eng. J.
4. 机理深度阐释。通过深入的晶体结构分析，该团队揭示了其性能卓越的微观根源：高度平面化的分子构型、高效的交叉型堆积模式、以及由N→O与–NH₂基团形成的稳固氢键网络，共同构筑了其稳定的晶体环境，这是其低感度的结构基础；而其高达80.8%的氮氧含量与76.4%的晶体堆积效率，则直接贡献了其超高的能量密度。
总结与展望
本研究不仅成功发现了一种极具应用前景的新型高能低感含能材料ICM-107，更重要的是展示了一条基于机器学习驱动的高通量虚拟筛选与实验验证相结合的高能低感含能材料研发新路径。它显著加速了从“化学空间探索”到“目标材料实现”的进程，为未来面向国家重大需求的高性能含能材料创制提供了可复制、可推广的智能化研究范式。
原文（扫描或长按二维码，识别后直达原文页面）：
Discovery of high-energy-density materials via machine learning-assisted high-throughput virtual screening and experimental approach
Youhai Liu, Sitong Chen*, Tianyu Jiang, Fusheng Yang, Wenlong Yin, Guoyang Yu, Yanqiang Yang, Wenquan Zhang*
Chem. Eng. J., 2026, 530, 173727, DOI: 10.1016/j.cej.2026.173727
点击“阅读原文”，查看 化学 • 材料 领域所有收录期刊
