MIT用AI从5000种分子中找到“抗撕裂之王”，塑料强度飙升4倍

麻省理工学院（MIT）与杜克大学合作，利用人工智能技术在5000种二茂铁类分子中成功筛选出一种能显著提升塑料韧性的新型交联剂，使聚合物材料抗撕裂能力提升达4倍。该成果发表于《ACS Central Science》期刊，论文题为《高通量发现具有增强反应性和网络增韧性能的二茂铁力响应基团》。 研究聚焦于“力响应基团”——一类在外力作用下可发生结构或化学变化的分子，常用于制造智能材料。团队发现，将弱交联剂引入聚合物网络，反而能增强整体强度。当材料受力时，裂纹优先破坏弱键，从而吸收更多能量，延缓断裂。这一现象为提升材料韧性提供了新思路。 为高效筛选潜在分子，研究团队采用机器学习模型。他们从剑桥结构数据库中选取5000种已合成的二茂铁分子作为起点。二茂铁是一种有机金属化合物，铁原子夹在两个碳环之间，通过修饰环上基团可调控其机械性能。尽管部分二茂铁已被证实具有力响应特性，但大多数尚未系统评估。 研究人员先对约400种分子进行力场模拟，计算其键断裂所需应力，再基于数据训练神经网络模型，预测剩余4500种分子及7000种衍生结构的机械响应性能。模型发现，两个关键因素可显著提升抗撕裂性：一是环上取代基间的相互作用；二是当两个环均连接大体积基团时，分子更易在外力下断裂。其中第二个特征完全出乎化学家预料，凸显AI在发现非直观规律方面的优势。 基于预测结果，杜克大学Craig实验室合成了含m-TMS-Fc交联剂的聚丙烯酸酯材料。拉伸测试显示，其韧性达到传统二茂铁交联材料的4倍。研究团队指出，此类材料可延长塑料使用寿命，减少资源消耗与塑料污染。 未来，该AI驱动的筛选平台将拓展至其他功能性力响应基团，如可变色、可催化或用于药物递送的智能分子。研究还揭示了过渡金属力响应基团的巨大潜力，为下一代智能材料开发开辟新路径。