软件平台截图

3月9日，记者从华东理工大学了解到，由该校林嘉平教授团队开发的AI plus高分子软件平台，通过对高分子材料研发中的结构性能进行数据挖掘，并集成机器学习性能预测功能、结构设计、配方及工艺参数优化等功能，加速高性能高分子材料的研发，推动大数据和人工智能技术为复合材料用高性能树脂产业赋能。

瞄准“卡脖子”难题

率先开展高分子材料基因工程研究

先进树脂基复合材料在航天航空领域获得越来越广泛的应用。近年来，碳纤维在国家重点支持下已取得突破，然而匹配高性能碳纤维的基体树脂发展缓慢，被严重“卡脖子”，成为制约先进装备发展的关键瓶颈，亟需解决先进树脂基复合材料的高强度、耐高温、轻质化和功能化等难以兼具的难题。

事实上，华东理工大学在高分子材料尤其是特种树脂研究方面具有深厚基础和研究特色。例如，华理兼职教授杜磊自本世纪初就带领团队中青年科研人员，在耐高温、耐烧蚀的高性能树脂及其复合材料研究方面，取得了丰硕成果，获国家科技发明二等奖、国家科技进步二等奖。

但面对“卡脖子”难题，未来复合材料用树脂的研究如何走出中国自己的发展之路？如何搞出高分子树脂的结构设计方法，从分子结构的源头去设计满足需求的新树脂？这是林嘉平团队常常思考的问题。

“开展以大数据技术为驱动、以AI为核心的高分子材料基因工程研究，可为解决这些难题提供有效手段，加速新材料的研发步伐。”林嘉平教授说。

林嘉平教授团队工作照（高性能聚合物性能测试）

据林嘉平教授介绍，2011年材料基因组工程被正式提出后，已经成为目前材料研究前沿领域的重要方法论，新材料的研发也从科学家的经验“试错”时代跨入“智能制造”时代。挑战与机遇并存，他带领团队牵头承担了系列国家重大重点项目，在国家自然科学基金委、上海市科委的支持和资助下，联合复合材料界著名高校和科研院所，在国内率先开展了高分子材料基因工程研究，并取得了系列成果。

结构设计截图

配方优化截图

基因组合及筛选是材料基因工程的核心，团队目前已建立了针对耐高温树脂设计的高分子材料基因组新方法。从“基元-结构-性能”构效关系出发，根据性能要求，设计和选取不同结构基元（基因），通过组合获得海量候选结构，然后进行性能预测和高通量筛选，为设计先进高分子材料提供了有效途径。运用该方法，团队研制了系列先进复合材料基体树脂。如固化温度小于300 ℃、5%热分解温度大于650 ℃、玻璃化转变温度大于600 ℃的新型耐高温、易加工硅萘炔和硅芴炔树脂；耐高温、高韧性的新型聚硅炔酰亚胺树脂，其加工性能、耐热和界面性能优于聚酰亚胺，力学性能与聚酰亚胺相当。相关新型树脂已由多家航空航天院所开展复合材料及构件性能评价，解决了国家在高性能高分子材料领域的亟需。

AI和数字化技术同高分子材料

交叉领域的重要成果

AI plus高分子软件平台的诞生，是AI和数字化技术同高分子材料交叉领域的重要成果。而数据库，则是材料基因工程的基石。目前团队已建成了国内首个树脂结构性能数据库和基团间化学反应数据库，包含3万多种聚合物的将近15万条性能数据、58516种基元反应模板的近140万条化学反应数据。

林嘉平教授团队工作照（指导搭建数据库和软件平台）

值得一提的是，这些数据主要依靠过去三年尤其是疫情期间团队数十名研究生和本科生整理录入，在培养学生文献阅读和科研素养的同时，以一条条规范存储的数据搭建起国内首个高分子专用数据库，是科研育人的新实践。

基于数据库，团队创建了面向高分子十余种性能的机器学习预测模型，并构建了高分子材料基因组研发平台，具备数据检索、性能预测、配方优化等多个功能。

通过团队的现场演示，记者看到，用户在使用AI plus高分子软件平台进行高分子材料性能预测功能时，只需要通过点击“绘制结构”，分别将所绘制的环氧树脂和固化剂转化的字符串输入到对应的输入框中，再通过点击“开始预测”，短短几秒，页面就会返回后台计算出来的环氧树脂性能预测数据。这种虚拟设计、高通量预测的方法将大大提高其研发效率。据林嘉平教授介绍，AI plus高分子软件平台目前已在上海华谊集团树脂厂、上海航天八院、晋飞碳纤科技和金山石化院等企业试用，将择机向社会公开使用。

“AI plus高分子软件具有输入树脂结构、快速获得其力学、热学和介电等性能的功能。同样都是基于机器学习的软件，AI plus高分子较对话类的ChatGPT具有更高技术含量，体现出我国研究人员在AI交叉领域的贡献。”林嘉平教授说。

林嘉平教授团队工作照（团队老师合影）

面向新一代先进复合材料基体树脂中的结构设计难题，华东理工大学将同相关团队和企业开展更加深入的合作，推进AI plus高分子研究范式向产业全链条发展，努力抓住当前数字化和人工智能对新材料产业的变革契机，以更快效率、更低成本研制出高性能高分子及其复合材料，实现高性能高分子尤其是“卡脖子”高分子材料的原始创新和智能制造。