材料基因工程技术在高分子聚合物中的应用

材料基因工程技术在高分子聚合物中的应用

凌其化

身份证号：452131196707180010

摘要：近年来，随着人们物质生活水平的不断提升，使得高性能聚合物在整个社会发展中的应用领域不断得到拓展。但随着现代特种装备的操作环境条件日益严苛、使用条件越来越复杂以及延长使用寿命等方面的需求，使得人们慢慢注重高防护效果、多功能化聚合物的研发。目前传统聚合物结构设计方法主要为试错法，利用高分子学科原有理论、方法经验，通过调整研发原料单体的种类和比例，进行大量的平行试验，对制备出的聚合物进行表征检测，直至制备出满足终端用户使用需求的材料。这种研究模式因此被称之为“爱迪生模式”，类比当年爱迪生不断尝试，直至找到满足其实验要求的灯泡材料的案例。

关键词：材料基因；高通量计算；高通量实验

引言

材料基因工程技术的出现为解决上述高分子聚合物行业面临的问题提供了很多可行的方法。通过对聚合物产品进行辅助分析、主要性能预测与模拟以及利用数据库技术进行结构设计与产品优化，可满足该领域的短周期、低成本、高效率的研发目标，同时还可以将该技术充实目前高分子领域的数据库。

1材料基因工程

材料基因工程，又被称之为材料信息学，是材料学和信息学相互交叉衍生出来的一门新的学科。材料基因工程可为了解材料性能的实质和推动新材料开发提供信息，有望帮助新材料高效设计和合成工艺达到最优化，是当前及未来新材料产品研发的重要方法之一。在2002年，美国宾夕法尼亚州立大学的刘梓葵教授发表了关于“材料基因”的概念，其起源于人类基因组计划及相图研发方法的成功应用所获得的启发。主要通过借鉴人类基因中的DNA、RNA序列决定遗传信息，以此引申出材料的微观化学结构、原子不同排列方式等因素决定材料的基本性质。新材料是培育高端制造业的先决条件。2011年，美国为了加速新材料产业的发展，重振其高端制造产业，最早提出材料基因组计划并进行推行。计划中主要融合了高通量实验、计算和基于数据库技术的材料开发模式，主要目标是为保持其在先进材料方面的领先地位，提升新材料开发效率，提高产品核心竞争优势。2011年，我国工程院和科学院开展广泛的调研和咨询工作，以师昌绪、徐匡迪院士为代表的科学家在积极建言相关部门开展材料基因工程研究。2015年，科技部设立材料基因工程关键技术与支撑平台重点专项，开展关键技术研发、验证性示范应用和示范平台建设。2020年10月，国务院领导批示制定《中国材料基因工程计划》，开展关键技术研发、材料数据中心建设、产业化示范应用。2021年，科技部设立的“十四五”材料领域4个重点专项，分别布局了“材料基因工程技术应用”研究任务。同时，2021年度重点支持研究方向，也由之前的复合材料领域转移到了聚合物领域。随着国家的政策和科研项目不断支持，材料基因工程技术在我国已经进入了发展的快车道，在多个领域得到应用。

2机器学习在材料设计中的应用

2.1材料性能预测

机器学习在材料学中的应用主要包含格式化材料数据，机器学习模型训练和高效材料性能预测三个步骤，并在二维、光伏、催化、合金和热电等材料中均获得了显著的研究成果。近年来，瑞士洛桑理工大学NicolasMounet教授通过高通量筛选和机器学习算法，从ICSD和COD数据库的108423个三维晶体构型中，通过对称性和几何算法筛选了1036个容易合成和789个具有潜在可能性的层状二维材料混合物；东南大学王金兰教授通过高通量筛选和机器学习描述符，从5158个候选材料中筛选了能量转化效率高且带隙在0.9至1.6eV之间有机无机结合的钙钛矿光伏材料（HOIPS），并构建了可以高效预测带隙值的结构描述符和机器学习模型；进一步将模型拓展到双层HOIPS中，成功从11370个混合物中预测了204个无毒且稳定的光伏材料；北京科技大学谢建新教授团队在铜合金体系中通过贝叶斯优化迭代方法，分别构建了误差小于7%的硬度模型和误差小于9%的电导率模型，并通过迭代优化设计了兼具优异力学和电学性能的Cu-Ni-Co-Si-Mg合金。

2.2机器学习势函数

材料计算模拟根据模拟时长和体系大小分为原子尺度、分子尺度、介观尺度和宏观尺度模拟，尺度越小模拟精度越高，尺度越大越接近真实体系，但是不同的模拟尺度采用的物理模型和近似原理不同，数据耦合非常困难，而数据驱动的机器学习方法被视为材料多尺度模拟的耦合剂。经典大规模分子动力学常被用来模拟近似真实材料体系的服役性能，但可靠、精确的原子间势函数的匮乏限制了它的广泛应用。基于密度泛函原理（DFT）的第一性原理模拟具有精确的赝势库，但求解本征值所需的巨大计算量限制了该方法在大的原子尺度和时间尺度上的模拟，常用的VASP仅限数百原子的体系。因此，简单方便的获得适用于经典分子动力学的可靠的势函数非常重要。随着计算机技术、计算机视觉和材料基因理念的快速发展，通过机器学习结合大数据、高通量计算的方法拟合可靠的适用于经典分子动力学模拟的势函数成为了研究热点。机器学习势函数的发展主要经历了原子个数受限的低维度势函数和泛化能力强的高维度神经网络势函数两个发展过程。1995年DorenDouglas团队开发了第一个基于统计学的势函数模型用于研究氢原子的分子动力学模拟；2009年，Malshe等进一步提出了通过神经网络预测经典多体势方程参数的模型；但是上述模型均不能改变输入的原子个数，因此限制了机器学习势函数的应用。

3高通量实验在高分子聚合物中的应用

高通量实验主要是基于组合化学理念下发展起来的合成与测试分析技术，相较于一般实验方法，往往是借助先进的反应装置或前沿技术，达到在短周期下高效制备或表征大批量产品，很快得到物质结构组成成分-产品性能的对应关系。最终一方面可验证模拟计算的准确性和可靠性；另一方面也可为其提供基础数据参数，还可以丰富材料数据库。对于聚合物而言，其组成原料种类较多，工艺条件也较为复杂，高通量实验相对试错实验法，能够借助先进的材料制备方法，大幅度改变实验变量，高效地筛选聚合物制备的适宜反应条件，最终可降低研发过程中的人工成本，节约大量实验时间。清华大学的Liu以多组分反应（MCR）为基础制备具有辐射防护功能的聚合物。MCR功能强大，基于Hantzsch反应可利用高通量的方式构建水溶性聚合物数据库（高效制备45种的单体和45种的聚合物）。然后借助高通量测量方法筛选这些聚合物，最终快速获得具有最佳抗辐射能力的生物相容性聚合物，可有效防护电离辐射。

结束语

目前高分子聚合物研发的研究方法仍集中在试错法上，通过不断重复实验，期望能够找到满足性能要求的新型聚合物。随着产业不断的融合交叉，虽然高通量计算、高通量实验与数据库三大技术在高分子行业已获得一定的进展，但三者之间的联系仍需加强。同时可能由于计算软件的使用成本较高、聚合物建模和计算以及数据库技术不够完善等原因，基因工程技术在高分子领域并没有达到大规模应用的阶段。

参考文献

[1]陈思琦,李莉,李乙,于吉红.材料基因工程技术在分子筛领域中的应用[J].高等学校化学学报,2021,42(01):179-187.

[2]谭忆秋,吕慧杰,徐慧宁.材料基因思想在沥青路面材料领域的应用展望[J].交通运输研究,2020,6(05):2-12+1.

[3]王海舟,谢建新.材料基因工程专题主编寄语[J].Engineering,2020,6(06):5-8.

[4]史迅,基于材料基因工程的热电材料结构设计与应用示范.上海市,中国科学院上海硅酸盐研究所,2020-04-16.

[5]杨世雄.材料基因工程在船舶领域的应用思路[J].中国船检,2020(03):49-52.