軟件平臺截圖  本文圖片均為 華東理工大學 供圖

先進樹脂基復合材料在航天航空領域獲得越來越廣泛的應用，近年來，碳纖維在國家重點支持下已取得突破，然而匹配高性能碳纖維的基體樹脂發展緩慢，被嚴重“卡脖子”，成為制約先進裝備發展的關鍵瓶頸。先進樹脂基復合材料的高強度、耐高溫、輕質化和功能化等難以兼具的難題亟須解決。

3月10日，澎湃新聞（www.6773257.com）記者從華東理工大學了解到，由該校林嘉平教授團隊開發的AI plus高分子軟件平臺，通過對高分子材料研發中的結構性能進行數據挖掘，并集成機器學習性能預測功能、結構設計、配方及工藝參數優化等功能，加速高性能高分子材料的研發，推動大數據和人工智能技術為復合材料用高性能樹脂產業賦能。

用戶在使用AI plus高分子軟件平臺進行高分子材料性能預測功能時，只需要通過點擊“繪制結構”，分別將所繪制的環氧樹脂和固化劑轉化的字符串輸入到對應的輸入框中，再通過點擊“開始預測”，短短幾秒，頁面就會返回后臺計算出來的環氧樹脂性能預測數據。這種虛擬設計、高通量預測的方法將大大提高其研發效率。

平臺背后，瞄準“卡脖子”難題，包括林嘉平在內的科研工作者率先開展了高分子材料基因工程研究。

林嘉平教授（右二）團隊工作照（指導搭建數據庫和軟件平臺）

林嘉平介紹，2011年材料基因組工程被正式提出后，已經成為目前材料研究前沿領域的重要方法論，新材料的研發也從科學家的經驗“試錯”時代跨入“智能制造”時代。林嘉平帶領團隊牽頭承擔了系列國家重大重點項目，在國家自然科學基金委、上海市科委的支持和資助下，聯合復合材料界著名高校和科研院所，在國內率先開展了高分子材料基因工程研究，并取得了系列成果。

基因組合及篩選是材料基因工程的核心，團隊目前已建立了針對耐高溫樹脂設計的高分子材料基因組新方法。從“基元-結構-性能”構效關系出發，根據性能要求，設計和選取不同結構基元（基因），通過組合獲得海量候選結構，然后進行性能預測和高通量篩選，為設計先進高分子材料提供了有效途徑。運用該方法，團隊研制了系列先進復合材料基體樹脂。如固化溫度小于300℃、5%熱分解溫度大于650℃、玻璃化轉變溫度大于600℃的新型耐高溫、易加工硅萘炔和硅芴炔樹脂；耐高溫、高韌性的新型聚硅炔酰亞胺樹脂，其加工性能、耐熱和界面性能優于聚酰亞胺，力學性能與聚酰亞胺相當。相關新型樹脂已由多家航空航天院所開展復合材料及構件性能評價，解決了國家在高性能高分子材料領域的亟需。

結構設計截圖

而AI plus高分子軟件平臺的誕生，是AI和數字化技術同高分子材料交叉領域的重要成果。其中，數據庫是材料基因工程的基石。目前團隊已建成了國內首個樹脂結構性能數據庫和基團間化學反應數據庫，包含3萬多種聚合物將近15萬條性能數據、58516種基元反應模板的近140萬條化學反應數據。

值得一提的是，這些數據主要依靠過去三年尤其是疫情期間團隊近百名研究生和本科生整理錄入，在培養學生文獻閱讀和科研素養的同時，以一條條規范存儲的數據搭建起國內首個高分子專用數據庫，是科研育人的新實踐。

配方優化截圖

基于數據庫，團隊創建了面向高分子十余種性能的機器學習預測模型，并構建了高分子材料基因組研發平臺，具備數據檢索、性能預測、配方優化等多個功能。

“AI plus高分子軟件具有輸入樹脂結構、快速獲得其力學、熱學和介電等性能的功能。同樣都是基于機器學習的軟件，AI plus高分子較對話類的ChatGPT具有更高技術含量，體現出我國研究人員在AI交叉領域的貢獻。”林嘉平說。

團隊合影

林嘉平介紹，AI plus高分子軟件平臺目前已在上海華誼集團樹脂廠、上海航天八院、晉飛碳纖科技和金山石化院等企業試用，將擇機向社會公開使用。