防止石化塑料在自然環(huán)境中積累的一個解決方案是使用天然成分開發(fā)可生物降解的塑料替代品。然而，發(fā)現(xiàn)符合特定特性的天然替代品仍極具挑戰(zhàn)性，如光學透明性、阻燃性和機械彈性。在這里，馬里蘭大學Po-Yen Chen、胡良兵、李騰報道了一個集成的工作流程，它結(jié)合了機器人和機器學習，以加速發(fā)現(xiàn)具有可編程光學、熱學和機械性能的天然塑料替代品。
本文要點：
1) 作者首先命令自動移液機器人制備286種具有各種性質(zhì)的納米復(fù)合薄膜，以訓(xùn)練支持向量機分類器。接下來，作者通過14個具有數(shù)據(jù)擴充的主動學習循環(huán)，分階段制備135種全天然納米復(fù)合材料，并建立人工神經(jīng)網(wǎng)絡(luò)預(yù)測模型。
2) 該預(yù)測模型可以進行雙向設(shè)計任務(wù)：（1）從全天然納米復(fù)合材料的組成預(yù)測其物理化學性質(zhì)；（2）自動滿足各種可生物降解塑料的逆向設(shè)計。通過利用該模型的預(yù)測能力，作者制備了幾種全天然替代品，這些替代品可以取代不可生物降解的替代品。
Tianle Chen et.al Machine intelligence-accelerated discovery of all-natural plastic substitutes Nature Nanotechnology 2024
DOI: 10.1038/s41565-024-01635-z
https://doi.org/10.1038/s41565-024-01635-z
