共计 909 个字符，预计需要花费 3 分钟才能阅读完成。
麻省理工学院与杜克大学的科研团队在《ACS Central Science》期刊上发表了一项突破性研究，他们通过机器学习技术开发了一种新型聚合物强化策略，有望显著提升塑料材料的耐用性，从而减少塑料废弃物。
这项研究聚焦于一类被称为机械力响应分子（mechanophores）的特殊化合物。这些分子在受到机械力作用时，能够改变其形状或特性。研究团队利用机器学习技术，从数千种候选分子中筛选出最具潜力的交联剂——二茂铁（ferrocenes）。这种含铁化合物此前并未被广泛探索其机械力响应特性。
- 
- 
- 
- 
- 
- 
麻省理工学院化学工程教授 Heather Kulik 解释道：” 这些分子能够使聚合物在受力时变得更加坚固。当施加应力时，它们不会轻易破裂，而是表现出更强的弹性。”Kulik 教授是这项研究的资深作者。
研究团队采用了一种创新的方法：他们首先对约 400 种二茂铁化合物进行分子动力学模拟，计算断裂每个分子所需的力。随后，利用这些数据训练机器学习模型，成功预测了数据库中其余 4500 种化合物的机械力响应特性。
研究发现了两个关键特征：一是二茂铁环上化学基团间的相互作用；二是环上连接的大体积分子。后者这一发现令研究人员感到意外，Kulik 教授表示：” 如果没有人工智能的帮助，我们很难事先预测到这个特征。”
为了验证理论，研究团队在杜克大学合成了一种名为 m -TMS-Fc 的聚合物材料。实验结果显示，使用 m -TMS-Fc 作为交联剂的聚丙烯酸酯，其抗撕裂性能比使用标准二茂铁交联剂的材料高出四倍。
主要作者、麻省理工学院博士后 Ilia Kevlishvili 指出：” 这项发现具有重大意义。如果能够提高塑料材料的耐用性，就能延长其使用寿命，从而在长期内减少塑料生产量。”
研究团队计划将这一机器学习方法应用于其他类型的机械力响应分子，探索其在应力传感、可切换催化剂以及生物医学等领域的应用潜力。他们特别关注过渡金属机械力响应分子，认为这一领域仍有广阔的研究空间。
这项研究由美国国家科学基金会分子优化网络化学中心（MONET）资助，为开发更环保、更耐用的塑料材料开辟了新的途径。随着进一步的研究，这种新型聚合物强化策略有望在减少塑料污染、促进可持续发展方面发挥重要作用。
