耐高温介电聚合物的新突破：机器学习引领的创新之路
在电气化的浪潮中，耐高温介电聚合物的研发扮演着举足轻重的角色。这类聚合物需在极端高温下承受强大的电场，确保电力设备的稳定运行。然而，热稳定性和电气绝缘性之间的平衡却如同跷跷板，难以兼得。传统上，聚合物设计依赖于经验与直觉，这极大地限制了创新的速度和深度。
面对这一挑战，科研人员提出了一种全新的策略——利用机器学习技术，快速识别并筛选出高性能、耐高温的聚合物。他们构建了一个强大的前馈神经网络，该网络经过精心训练，能够准确预测关键的性能参数。借助这一智能工具，科研人员从近50,000种聚硫酸盐中筛选出了一系列具有潜力的候选聚合物。
为了将这些候选聚合物从理论推向现实，科研人员采用了高效的模块化硫氟交换点击化学技术。这一技术如同魔法师的法杖，让选定候选物的合成与验证变得轻松而高效。在众多候选聚合物中，一种具有9,9-二(萘基)芴重复单元的聚硫酸盐脱颖而出。它不仅展现出了卓越的热韧性，而且在200℃的高温下，放电能量密度仍然保持超高水平，效率更是超过了90%。这一发现无疑为苛刻电气化环境下的应用提供了新的希望。
值得一提的是，这一创新并非空中楼阁。科研人员从具有9,9-二芳基芴重复单元的聚砜酸酯中汲取了灵感。这些聚合物在玻璃化转变温度（Tg）和弹性模量（Eg）之间实现了优雅的平衡，显示出作为耐热介电聚合物的巨大潜力。受此启发，科研人员在设计新聚合物库时，保留了芴核心，并引入了取代基和成环结构的系统性变化。通过精心设计的桥连单元连接两个9,9-芳基团，他们评估了更刚性的成环体系对聚合物性能的影响。
为了优化计算效果并降低合成复杂性，科研人员专注于由对称单体形成的均聚物，并最终构建了一个包含49,731种结构多样的聚砜酸酯库。这一库不仅为机器学习提供了丰富的数据支持，也为后续的实验验证奠定了坚实的基础。
总的来说，这一研究不仅展示了机器学习在聚合物设计领域的巨大潜力，也为耐高温介电聚合物的研发开辟了新的道路。随着技术的不断进步和创新，我们有理由相信，未来会有更多高性能、耐高温的聚合物问世，为电气化时代的稳定发展贡献力量。▲第一作者：He Li, Hongbo Zheng, Tianle Yue, Zongliang Xie通讯作者：Ying Li, K. Barry Sharpless, Yi Liu通讯单位：美国威斯康星大学麦迪逊分校，美国斯克利普斯研究所，美国劳伦斯伯克利国家实验室DOI：10.1038/s41560-024-01670-z
