近日，泰和新材与国工智能在AI辅助研发领域召开项目合作启动会。泰和新材副总裁马千里、国工智能CEO柳彦宏、AI研究院李院长在启动会上分别致辞。 双方表示，希望通过此次化工科研AI辅助系统开发项目的合作，填补高分子材料研发工具的空白。同时，双方项目团队对项目背景、项目人员配置、项目实施进度等内容进行了对接与沟通，为项目顺利完成夯实了基础。 高分子材料等传统的化工行业研发面临着研发周期长、实验成本高、材料结构-性能关系复杂以及市场需求动态变化等痛点。 数字化转型通过引入人工智能和计算建模等先进技术，为行业变革提供动力。这些工具可以通过虚拟实验加速创新，从而缩短研发周期。数字化转型带来的数据分析能力可以从大量数据中挖掘潜在规律来增强决策从而降低新材料的研发风险。从本质上讲，传统化工行业（尤其是聚合物材料研发领域）数字化转型的关键在于缩短研发周期，提高发现目标材料的效率，并在快速发展的全球格局中确保竞争力。 由于高分子材料的特性源于不同空间和时间尺度上的相互作用，高分子材料的开发需要对其多级结构和行为具备极深的理解。目前高分子模拟仿真缺少自动化建模工具，现有建模手段通常需要手动完成，效率低下，且 依赖于个人经验，仅适用于简单体系，难以处理支化交联并且包含多种单体的高分子材料，难以兼顾模拟尺度和精度。 因此，复杂高分子体系的研发，迫切需要一款能覆盖“单体-长链分子-聚合物”等多尺度的模拟仿真能力的强有力工具。 聚合物结构与性能预测 当需要研发满足某特定功能的新高分子材料时，研发者可以利用性能预测模型快速筛选出具备潜力的单体分子，再利用分子量分布预测方法评估该单体在给定聚合条件下得到的分子量分布，然后基于单体、分子链和反应条件进行更准确的性能预测，如果满足需求则进行实验验证，从而显著的缩小需要搜索的化学空间。最后利用工艺优化算法确定最优的合成条件从而完成单体-结构-合成条件的研发流程。 案例一展示 左图为某类高分子材料断裂伸长率预测结果(R2=0.96)，右图为断裂强度预测结果（R2=0.90）(数据已进行脱密处理)。 案例二展示 上图为某类高分子材料聚合后数均分子量（线性相关系数为0.98）预测结果，即使对聚合体系进行了等比例缩小，预测值和实验值仍然具有良好的线性相关性(数据已进行脱密处理)。 目前常规的高分子材料方法依赖于实验试错法。本次项目将量化计算方法、计算机建模和人工智能结合起来，开发了高分子材料研发平台，覆盖单体分子筛选，聚合后分子量预测，力学性能预测和工艺优化等环节，填补了高分子研发工具的空白。 目前，高分子材料在国防航天、电子工业、汽车工业、建筑行业等诸多领域得到了广泛的应用，已经成为人类生产和生活中重要的一部分。本次开发的AI辅助研发平台覆盖了分子-结构-工艺-性能四个主要模块，具有较好的普适性。目前，该平台的目标以满足高分子纤维研发为主导，同时兼顾橡胶和塑料等高分子材料，在同行业中具备可推广性。 声明：本部分文章和图片来源于网络，发布的文章仅用于复合材料专业知识和市场资讯的交流与分享，不用于任何商业目的。任何个人或组织若对文章版权或其内容的真实性、准确性存有疑义，请第一时间联系我们。我们将及时进行处理