近日，课题组研究生在《Materials Today Physics》期刊发表题为“AI-assisted inverse design of sequence-ordered high intrinsic thermal conductivity polymers”的研究论文。

以数据驱动为核心的聚合物信息学在加速先进功能聚合物的开发中起到了重要的作用。这主要涵盖了两种设计策略：“正向设计”和“逆向设计”。其中，“正向设计”通过将构建的聚合物结构和性能关系映射（机器学习模型）用于预定化学空间中聚合物性能评估和高效筛选，称之为“高通量筛选”。“高通量筛选”方法主要应用于预定义的结构数据库，在一定程度上限制了新的先进结构发现。“逆向设计”以目标为导向，利用优化算法突破了聚合物结构空间的限制，有望设计出更多新颖的高导热结构。但是，聚合物体系有着庞大的化学空间和冗余的结构，这对优化算法的效能提出了新的要求。

鉴于此，本文提出并发展了一种集成可解释机器学习和功能基元序构方法的优化框架用于高导热聚合物的设计（图1）。具体工作流程分为两步：首先，以不同聚合物子结构片段集合作为描述符，使用标记有分子动力学计算热导率的1144个聚合物进行深度神经网络模型的训练。训练出的神经网络模型一方面可用于后续设计结构的热导率预测；另一方面，可以使用SHAP（Shapley additive explanations）从机器学习模型中提取关键子结构对热导率的贡献，以指导功能基元库的建立。接着，通过智能优化算法实现聚合物功能基元空间排序的优化，以设计高导热结构。据此，提出的框架不仅成功地打破了”高通量筛选”案例受限于待探索化学空间的瓶颈，也弥补了化学空间庞大和候选结构冗余导致的逆向设计算法设计效率低的问题。

图 1 基于功能基元序构的高导热聚合物设计框架: (a) 深度神经网络模型训练和功能基元库建立; (b) 逆向设计流程

基于开发的方法首先开展了三嵌段聚合物的逆向设计，如图2所示。除了考虑热导率（TC）外，还额外通过可合成分数（SA）衡量了新生成聚合物的合成可行性。本文对比了两种主流的多目标优化算，其中U-NSGA-III为多目标进化算法（MOEA）和qNEHVI为多目标贝叶斯优化（MOBO）算法。结果表明，qNEHVI能够探索到多样的帕累托前沿附近的优化聚合物，但蒙特卡洛采样方法的不确定性使模拟/实验成本变得高昂。U-NSGA-III的性能受到初始随机训练结构的影响，容易陷入局部最优解，但具有明显的低成本优势。

图 2 多目标优化算法在三嵌段聚合物设计中的性能评估: (a) 三嵌段聚合物的生成流程; (b)和(c) MOEA和MOBO单次优化轨迹

与此同时，设计了并行MOEA用于在超过千万的候选结构空间中开发高导热五嵌段聚合物。图3a统计了20次MOEA的超参数学习曲线。每次MOEA运行都从10个随机结构开始，并进行了200次迭代，其每批次推荐10个候选结构。在进行了200代之后，20次MOEA的HV值范围从6.30至6.95。并行策略在一定程度上弥补了遗传算法性能受到初始结构影响的局限，从而探索了更多满足目标属性的聚合物。此外，在所有20次运行中开发的有效聚合物数量均低于130（见图3a中的插图）。最终，共模拟了1921个不重复的聚合物（图3b）。其中，满足设计目标（TC ≥ 0.40 Wm^-1K^-1且SA ≤ 3.0）的聚合物结构数量占比超过一半。

图 3 高导热五嵌段聚合物设计: (a) 20次MOEA优化的学习曲线; (b) 由MOEA设计的聚合物集合

聚合物的热导率与其微观链构象紧密相关，本文采用了回转半径R_g描述无定形系统中链形态。随机挑选了50个MOEA设计的聚合物，其中20个为三嵌段聚合物，30个为五嵌段聚合物，并通过非平衡分子动力学模拟计算了它们的R_g和TC，如图4a所示。聚合物的R_g与TC呈正相关，因为较大的R_g表明聚合物具有强的链内相互作用，这有助于热流在无定形系统中的传输。此外，还使用了热流定量分解分析以探究聚合物热输运机制（图4b）。所有六个候选结构都是共轭芳香聚合物，具有最高热导率的结构是由四个苯环和一个萘环组成的五嵌段聚合物（Pen_01）。由于原子共平面和碳原子sp2杂化等特性，苯环及其衍生的芳香环表现出优越的结构稳定性和刚性。显然，刚性单体是实现无定形体系中高热导率所青睐的，对应于键、角和二面角等原子相互作用引起的链内热传输对导热性能起到主导贡献。

图 4 聚合链构象与热导率关系: (a) 热导率随链回转半径的变化; (b) 六种典型聚合物的热导率定量分解分析

本文所提出和发展的机器学习辅助设计框架为高导热聚合物的高效经济设计提供了有效方法，同时也可以推广到其它目标性能，包括折射率、介电常数和玻璃化转变温度等。

原文链接：https://doi.org/10.1016/j.mtphys.2024.101438

论文第一作者为上海交通大学中英国际低碳学院博士生黄翔，本研究工作得到了上海市科委基础研究领域项目（No. 21JC1403300）和国家自然科学基金青年科学基金项目（No. 52006134）的资助。