编辑 | X
塑料垃圾严重影响生态平衡和人类健康。近年来，材料科学家一直在努力寻找可用于包装、产品制造的塑料全天然替代品。
然而，发现满足特定性能的全天然替代品仍具挑战性。当前的方法仍然依赖于迭代优化实验。
近日，马里兰大学帕克分校（University of Maryland，College Park）的研究人员，提出了一个集成的工作流程，将机器人技术和机器学习相结合，加速环保塑料替代品的发现和设计。
该论文的合著者 Po-Yen Chen 教授表示：「结合自动化机器人技术、机器学习和分子动力学模拟，我们加速了符合基本性能标准的环保、全天然塑料替代品的开发，我们的集成方法结合了自动化机器人、机器学习和主动学习循环，从而加快可生物降解塑料替代品的开发。」
该研究以《Machine intelligence-accelerated discovery of all-natural plastic substitutes》为题，于 2024 年 3 月 18 日发布在《Nature Nanotechnology》上。
论文链接：https://www.nature.com/articles/s41565-024-01635-z
Chen 教授表示：「这项研究的灵感来自 2019 年对西太平洋帕劳的访问。塑料污染对海洋生物的影响——漂浮的塑料薄膜『欺骗』了鱼类和海龟，将塑料垃圾误认为是食物，令人深感不安。这促使我将我的专业知识应用于这一环境问题，并促使我在马里兰大学建立研究实验室时专注于寻找解决方案。」
通过传统方法寻找可持续塑料替代品，既耗时又低效。而且，经常会产生较差的结果，例如，识别可生物降解，但不具有与塑料相同的理想特性的材料。
主动学习、机器人与人类合作构建高精度预测模型
该研究中识别塑料替代品的创新方法依赖于 Chen 开发的机器学习模型。
除了比传统的材料搜索方法更快之外，这种方法还可以更有效地发现可在制造和工业环境中实际使用的材料。Chen 将他的机器学习技术应用于发现全塑料替代品。
图 1：机器智能加速发现具有可编程特性的全天然塑料替代品。（来源：论文）
首先，Chen 和他的同事们编制了一个来自各种天然来源的纳米复合薄膜的综合库。这是使用自主移液机器人完成的，该机器人可以独立准备实验室样品。
随后，研究人员使用这个样本库来训练 Chen 的基于机器学习的模型。在训练过程中，模型通过迭代主动学习的过程，逐渐变得更加熟练地根据材料的成分预测材料的特性。
图 2：通过主动学习循环、计算机数据增强和机器人与人类合作构建高精度预测模型。（来源：论文）
具体而言，研究选择四种公认安全（GRAS）的天然成分：纤维素纳米纤维（CNF）、蒙脱土（MMT）纳米片、明胶和甘油，作为构建各种全天然塑料替代品的基础材料。
首先，命令自动移液机器人（即 OT-2 机器人）制备 286 种具有不同 CNF/MMT/明胶/甘油比例的纳米复合材料，并评估薄膜质量以训练支持向量机 (SVM) 分类器。接下来，通过 14 个带有数据增强的主动学习循环，分阶段制造了 135 种纯天然纳米复合材料，建立了人工神经网络（ANN）预测模型。
研究证明，预测模型可以执行双向设计任务：（1）根据全天然纳米复合材料的成分预测其物理化学性质，以及（2）自动化可生物降解塑料替代品的逆向设计，以满足各种用户特定的要求。
通过输入特定的性能标准，预测模型发现了适合几种全天然塑料替代品，而无需迭代优化实验。
「机器人技术和机器学习的协同作用，不仅加快了天然塑料替代品的发现，而且还可以有针对性地设计具有特定性能的塑料替代品，」Chen 说。「与传统的试错研究方法相比，我们的方法显著减少了所需的时间和资源。」
发现几种全天然塑料替代品
研究人员将模型用于纳米复合材料的性能预测。模型准确预测了多种纯天然纳米复合材料的光学透过率、耐火性和应力应变曲线，与实验结果吻合良好。
图 3：模型准确预测光学、易燃和机械性能。（来源：论文）
模型对具有可编程物理化学特性的全天然塑料替代品进行自动化逆向设计。
图 4：AI/ML 加速的全天然纳米复合材料逆向设计，用于多种塑料替代品的模型解释。（来源：论文）
为了研究 CNF 链和 MMT 纳米片之间的强化机制，研究人员在张力下对三个模型进行了 MD 模拟：仅 CNF、仅 MMT 和 MMT/CNF 模型。在 MMT/CNF 模型中，拉伸破坏机制与仅 CNF 和仅 MMT 模型不同。
图 5：MD 模拟揭示了分子尺度的变形和失效机制。（来源：论文）
SHapley Additive exPlanations (SHAP) 模型分析用于确定不同明胶来源和 MMT 尺寸对所有九个属性标签的影响。SHAP 分析表明，明胶来源和 MMT 尺寸对光学性能和有相当大的影响，而对耐火和机械性能的影响有限。
未来研究
在接下来的研究中，研究人员计划继续致力于解决石化塑料造成的环境问题。
例如，他们希望扩大制造商可以选择的天然材料的范围。此外，他们将尝试拓宽其模型确定的材料的可能应用，并确保这些材料可以大规模生产。
「我们现在正在努力寻找合适的可生物降解和可持续材料，来包装收获后的新鲜农产品，取代一次性塑料食品包装，并提高这些产品的保质期。」Chen 补充道。
「我们还在研究如何管理这些可生物降解塑料的处置，包括回收它们或将其转化为其他有用的化学品。该研究对减少塑料污染的全球倡议做出了重大贡献。」
参考内容：https://phys.org/news/2024-04-machine-based-approach-nanocomposite-biodegradable.html
注：封面来自网络