研究前沿：生物可降解塑料

张明 2024-03-20

针对石化塑料在自然环境中的积累，解决方案之一是利用天然成分，开发生物可降解的塑料替代品。然而，满足特定性能（如光学透明性、阻燃性和机械弹性）的全天然生物可降解塑料，仍然具有挑战性，正是这些性能使石化塑料获得了成功。然而，当前的材料设计方法，仍然依赖于迭代优化实验。

今日，美国马里兰大学 (University of Maryland) Tianle Chen, Zhenqian Pang, Shuaiming He，Teng Li, Liangbing Hu & Po-Yen Chen等，在Nature Nanotechnology上发文，报道了集成化工作流程，融合了机器人技术和机器学习，以加速发现具有可编程的光学、热学和机械性能的全天然生物可降解塑料。

首先，命令自动移液机器人制备具有各种性质的286个纳米复合膜，以训练支持向量机分类器。然后，通过14个具有数据扩充的主动学习循环，分阶段制备了135个全天然纳米复合材料，建立了人工神经网络预测模型。

研究证明，该预测模型可进行双向设计任务：（1）根据全天然纳米复合材料组成，预测了物理化学性质；（2）自动逆向设计满足各种用户特定要求的生物降解塑料。

利用模型的预测能力，制备了几种全天然生物降解塑料，可以取代不可生物降解的传统塑料，还表现出类似的特性。这一方法，从公认安全数据库中的构建单元开始，整合了机器人辅助实验、机器智能和模拟工具，以加速环保塑料替代品的发现和设计。