基于主动学习的高性能可降解薄膜设计：突破与创新

《Nexus》：Active Learning for Advanced Biodegradable Film Design

为解决传统塑料的环境问题及羧甲基纤维素（CMC）薄膜的性能缺陷，研究人员开展相关研究，建立数据驱动平台优化薄膜性能，意义重大。

　　

研究背景：塑料困境与可降解材料的探索

在当今时代，塑料的广泛应用就像一把双刃剑，给人们的生活带来便利的同时，也引发了严峻的环境问题。据联合国环境规划署（UNEP）2022 年报告显示，全球塑料年产量已飙升至 4000 万吨，其中包装领域的塑料使用量约占总量的 40%。这些塑料垃圾在自然环境中难以降解，不仅对生态系统造成了严重破坏，还带来了潜在的健康风险，因此，寻找可替代传统塑料的环保材料迫在眉睫。

生物聚合物作为一种极具潜力的替代品，受到了科研人员的广泛关注。其中，纤维素是一种来源丰富的可再生生物聚合物，由其衍生物制成的可降解薄膜具有低含水量、良好的氧气和芳香化合物阻隔性能。羧甲基纤维素（CMC）作为纤维素的常见衍生物，凭借其出色的成膜性、与其他物质的良好兼容性以及在食品等行业的安全性，成为了研究的热点。然而，CMC 薄膜存在脆性大、亲水性高的缺点，限制了其在食品包装等领域的应用。

为了克服这些问题，研究人员尝试了多种方法对 CMC 薄膜进行改性。例如，添加天然聚合物，如木质素、淀粉和果胶等，但这些方法往往存在机械性能提升有限、成本较高等问题。此外，传统的材料优化方法依赖于大量的实验探索，不仅成本高昂，而且难以全面考虑多个性能指标的优化。

在这样的背景下，将机器学习和优化技术引入材料设计领域，为解决这些难题提供了新的思路。清华大学的研究人员开展了一项极具创新性的研究，旨在通过整合材料科学、机器学习和优化技术，提升 CMC 薄膜的性能，开发出高性能、可持续的可降解薄膜。该研究成果发表在《Nexus》杂志上，为环保材料的发展带来了新的突破。

研究方法：创新融合，开启新篇

研究人员采用了一系列先进的技术方法来开展这项研究。首先，他们选定了八个关键实验变量，包括 CMC、玉米淀粉、木薯淀粉、尿素溶液、NaOH 溶液、氨溶液、甘油的质量以及温度。

在实验设计方面，研究人员构建了一个代理模型来预测薄膜性能指标，以加速实验设计过程。他们运用高斯过程回归（GPR），在贝叶斯主动学习（AL）框架内，高效搜索最优实验条件。实验流程包括初始采样，通过约束均匀采样和单变量采样生成 110 个实验条件；实验执行，依据采样条件进行实验并测量关键性能指标；代理模型训练，利用初始实验数据训练 GPR 模型；迭代优化，通过贝叶斯多目标优化（MOO）算法对模型进行迭代更新，直至模型的预测精度满足预设标准。

研究结果：性能飞跃，成果显著

1. 数据集特征：通过约束均匀采样，研究人员获得了覆盖整个参数空间的样本点，确保了实验条件的合理性。对初始数据集的分析发现，接触角、拉伸强度（TS）和断裂伸长率（EB）近似高斯分布，表明采样具有代表性。
2. 实验迭代与多目标优化设计：研究人员对比了三目标和两目标优化策略。三目标优化聚焦于水接触角、TS 和 EB，以满足包装对机械性能和防水性的需求；两目标优化则侧重于水接触角和 TS 之间的平衡。经过多次迭代，两种策略都取得了稳定的预测精度，证明了代理模型在优化薄膜性能方面的有效性和稳健性。
3. 参数重要性分析：通过多元二次回归分析，研究人员发现溶剂对薄膜性能的影响比添加剂更为显著。例如，NaOH 溶液对提高水接触角和透光率有明显作用，但增加温度虽然能改善水接触角和 TS，却会导致生产成本和能源消耗增加。
4. 光学性能分析：研究人员对薄膜的透光率、紫外线（UV）阻隔率和红外线（IR）阻隔率进行了分析。结果显示，薄膜的透光率可在透明到不透明之间调节，UV 阻隔率分布广泛且均匀，IR 阻隔率相对较低。
5. 薄膜聚类分析：研究人员运用 K-means 聚类和 t-SNE 投影等方法，对 242 个数据点进行分类。结果发现，不同的配方可以优化 CMC 薄膜，使其适用于不同的应用场景。
6. 模型扩展与设计方案：为了进一步优化 CMC 薄膜，研究人员基于三目标数据集训练代理模型，设计了具有不同接触角的薄膜。结果表明，利用该模型可以在不影响机械性能的前提下，设计出具有可调节水接触角的薄膜。

研究结论与意义：突破困境，展望未来

这项研究成功地将材料科学、机器学习和优化技术相结合，设计出了具有高性能、可持续且性能可调的薄膜。通过低成本的溶剂调节，实现了薄膜机械、疏水和光学性能的同步提升。研究建立的数据驱动平台能够准确预测 CMC 薄膜的性能，并自主识别满足特定性能目标的最佳配方。

研究中表现最佳的薄膜，水接触角达到 113.7°，TS 为 37.7MPa，EB 为 31%，超越了添加昂贵添加剂的薄膜。此外，研究还开发了集成软件平台 ALA Designer，增强了数据管理能力，能够适应多种工业需求，为包装、制药和化妆品等行业提供了关键的技术支持。

该研究成果不仅推动了可持续材料领域的发展，还为多个行业提供了降低环境影响和生产成本的有效途径，为实现资源高效利用和可持续发展目标做出了重要贡献。它为未来的材料设计提供了新的范式，有望加速环保材料的研发和应用，引领行业朝着更加绿色、可持续的方向发展。