Разработка строительных суперклеев с помощью ИИ

Разработка передовых мягких материалов, таких как гидрогели и эластомеры, представляет собой одну из наиболее актуальных задач материаловедения для строительной отрасли. Их макроскопические механические и функциональные свойства обусловлены сложным взаимодействием молекулярной последовательности, динамических нековалентных взаимодействий и многомасштабных сетевых архитектур, охватывающих молекулярный, мезоскопический и макроскопический уровни. В отличие от кристаллических неорганических твёрдых тел, взаимосвязь структуры и свойств которых часто можно вывести из чётко определённых атомных расположений и принципов симметрии, мягкие материалы не поддаются такой простой характеристике.

Их поведение определяется энтропийной упругостью, силами гидратации и стохастическими изменениями последовательности, что приводит к нелинейным, зависящим от окружающей среды явлениям, которые ускользают от описания в рамках классических теоретических моделей. Таким образом, на протяжении десятилетий исследователи полагались на трудоёмкие циклы эмпирических проб и ошибок, где постепенные корректировки состава полимера или условий обработки постепенно улучшают характеристики, но редко приводят к революционным прорывам.

Помимо установления нового эталона производительности, глубокое обучение может выступать не только в качестве инструмента прогнозирования, но и в качестве активного участника процесса создания материалов, переопределяя логику проектирования, оптимизации и применения мягких материалов. На таком подходе недавно был создан суперадгезивный гидрогель, который явился базовой основой для строительного клея нового поколения, демонстрирующий прочность сцепления даже под водой, превышающий 1 МПа, что почти на порядок выше всех ныне существующих. Для производителей материалов строительной отрасли это открытие представляет многообещающую перспективу применения для различных целей изготовления новых изделий, устойчивых к внешней среде.

Извлекая функциональные мотивы из десятков тысяч природных последовательностей адгезивных белков и внедряя их в статистически контролируемые сети сополимеров, авторы разработки создали биологически обоснованное пространство проектирования для программируемых мягких материалов. Они также использовали машинное обучение для эффективного перемещения в этом пространстве, что позволило осуществлять итеративные циклы прогнозирования и синтеза. Ключевое достижение заключается в преобразовании биологических последовательностей в синтетические полимерные составы. Используя тщательно подобранный набор данных, содержащий 24 707 адгезивных белков, собранный из базы данных белков Национального центра биотехнологической информации, исследователи извлекли характеристики, полученные из последовательностей, для разработки биоинспирированных сополимерных блоков.

Используя идеальную модель сополимеризации на серверах центра обработки данных, они статистически смоделировали гетерогенность последовательностей природных белков в условиях строго контролируемого синтеза. Моделирование подтвердило тесное соответствие между синтетическими и природными системами с точки зрения распределения длин блоков и частоты парных остатков, тем самым сопоставив статистику на уровне последовательности с макроскопическими свойствами. Эта физико-химическая точность обеспечила высококачественный набор данных, который оказался необходимым для последующего прогнозирования с помощью машинного обучения. Примечателен следующий факт: когда синтез отклонялся от идеальных условий и вносил дрейф состава, прочность адгезии снижалась более чем на 70%, что подчёркивает критическую важность точного контроля на уровне последовательности.

В результате трёх итеративных циклов прогнозирования-проверки система ИИ смогла обнаружить суперадгезивные гидрогели с адгезией под водой на уровне мегапаскалей. Дополнительный анализ показал, что ароматические и гидрофобные мономеры усиливают адгезию, вытесняя межфазную воду, в то время, как катионные синергически взаимодействуют с ароматическими за счёт электростатических взаимодействий, хотя избыточное содержание катионов вызывает набухание и ослабляет контакт. И напротив, нуклеофильные, амидные и кислые мономеры, как правило, уменьшают прочность адгезии. Эти взаимосвязи структур и активностей не только подтверждают точность прогнозирования модели, но и предоставляют интерпретируемые принципы проектирования для руководства будущим проектированием.

Эта методология может быть обобщена на широкий спектр функциональных материалов, включая проводящие гидрогели, ионные эластомеры и биоинспирированные смазочные системы. Кроме того, она открывает пути для интеграции машинного обучения с учётом физических принципов с передовыми методами полимеризации для достижения точности последовательности. На практическом уровне достижение адгезии в подводном пространстве приближается к пороговым значениям производительности, актуальным для строительных, технологических и биомедицинских клеев, морской техники и герметизации в экстремальных условиях, что подчёркивает потенциал применения этой парадигмы проектирования, основанной на вычислительных методах.

Разработка строительных суперклеев с помощью ИИ

Также советуем прочитать:

Проектирование каменного дома: как материал стен влияет на фундамент, планировку и инженерные решени...

Чем оформить акцентную стену в квартире: краска, молдинги, панели или фотообои

Как предусмотреть водоотведение на стройплощадке ещё на этапе проекта

Как выбрать освещение для технических и производственных помещений: цех, котельная, склад ЛВЖ и покр...