NUS何超斌教授《自然·通訊》：機器學習引導聚合物復合材料實現力學性能協同優化

實現聚合物復合材料強度、韌性和抗沖擊性能的協同提升一直是結構材料領域的根本性挑戰。傳統方法雖然通過引入剛性纖維、納米填料或層狀結構能夠改善單一性能，但往往因脆性界面失效或界面不匹配而導致整體力學性能下降。自然界提供了另一種范式，其層級結構和自適應界面能夠在多尺度上協同耗散能量，然而現有的仿生設計大多依賴靜態界面增強策略，缺乏動態應力響應性和廣泛材料適用性。

新加坡國立大學何超斌教授、Zhang Jie博士和中國海洋大學靳凱副教授合作提出了一種普適性增韌策略，將仿生骨小梁互鎖結構與熱力學驅動的應力自適應界面相結合，實現了機械載荷下的高效能量耗散。為應對復合材料設計中的多目標優化挑戰，研究團隊進一步開發了結合Pareto集學習和主動學習的數據驅動框架，系統探索組分-性能空間，識別出平衡的高性能配方。優化后的復合材料展現出協同力學性能：強度高達250 MPa，斷裂韌性超過14 MPa·m1/2，抗沖擊性能接近4.8 J，超越了大多數仿生和工程聚合物材料。該策略具有可擴展性、化學普適性和廣泛應用前景，為航空航天、交通運輸和防護領域的下一代輕質復合材料提供了可編程路徑。相關論文以“Machine learning guided resolution of mechanical trade-off in polymer composites via stress adaptive interface”為題，發表在

Nature Communications

仿生骨小梁結構與熱力學自適應界面

受天然骨小梁的層級多孔結構和力學效率啟發，研究團隊建立了以熱力學原理為指導的仿生復合材料設計范式（圖1）。該策略的核心是通過熱共混過程中的界面焓降低，減少聚合物鏈相互擴散的能壘，促進軟-硬界面處穩定物理互鎖的形成。在骨小梁互鎖復合材料中，熱塑性聚氨酯作為纏結促進劑形成類似膠原蛋白的纏結網絡，聚醚酮酮剛性基體提供結構剛性，而剪切取向的玄武巖纖維則構建了骨小梁支架。通過熱活化，TPU鏈段逐漸擴散進入POK基體并沿BF界面分布，這種相互擴散降低了界面焓，從而減少了物理纏結形成的能壘，形成動態的自適應界面。

圖1 仿生骨小梁互鎖結構與應力自適應界面設計。 a. 天然骨小梁的分級多孔結構作為生物原型；b. 提出的復合材料策略：連續三維骨小梁支架通過熱力學驅動的軟-硬界面互鎖增強體，實現應力自適應糾纏。

機器學習驅動的多目標優化框架

針對傳統試錯法在高維多目標優化中的局限性，研究團隊引入了機器學習輔助的多目標優化框架（圖2）。該框架結合Pareto集學習、高斯過程回歸和主動學習，系統探索組分-性能空間并識別近似的Pareto最優解。通過實驗設計策略建立包含50個代表性配方的初始數據集后，訓練三個獨立的高斯過程回歸代理模型預測拉伸強度、斷裂韌性和沖擊能耗散。隨著訓練集規模從30增至50，三個目標的交叉驗證預測性能均系統提升，所有代理模型在50個樣本時達到統計可靠的準確性。

圖2 傳統試錯設計與機器學習引導的多目標優化對比。 a. 傳統試錯方法逐一調整單一組分，建立經驗關系，耗時且難以應對高維多目標問題；b. 機器學習引導框架結合帕累托集學習、高斯過程建模和主動學習，并行探索和優化多個力學目標。基于偏好模型的配方經高斯過程預測器評估，并通過力學性能測試實驗驗證，實現高性能配方的快速識別。

主動學習引導的Pareto前沿擴展

為進一步提高優化效率，研究團隊將主動學習與多目標貝葉斯優化相結合，迭代優化學習的Pareto集（圖3）。通過采用結合置信下界準則和超體積改進的采集策略，從PSL生成的解池中選擇信息豐富且非支配的候選方案進行實驗驗證。從初始數據集開始，實驗樣本在強度-斷裂韌性空間中呈近似單調趨勢，但初始數據集中在中等性能區域。經過連續主動學習迭代后，新選擇的配方逐步填充到高強高韌區域，拉伸強度超過245 MPa，斷裂韌性高于14.5 MPa·m1/2，同時保持高沖擊能耗散（>4.6 J）。超體積分析顯示，超過90%的總歸一化超體積增益在前十個額外實驗中實現，表明不確定性感知的迭代學習比傳統實驗設計方法具有顯著更高的樣本效率。

偏好引導的Pareto解集提取

完成五輪主動學習迭代后，使用擴展數據集重新訓練PSL模型，得到優化的Pareto集（圖3d-f）。在TPU-BF-POK組成空間中，Pareto一致解集中在相對狹窄的組成窗口內，揭示出明確的高性能區域。在三維性能空間中，Pareto一致解形成光滑的流形狀軌跡，表明可實現的多目標權衡受共同的結構機制約束。通過指定目標偏好向量，可以沿學習的流形直接提取對應平衡型、強度優先型、斷裂韌性優先型和抗沖擊優先型設計的代表性解，證實PSL在解生成過程中保留了偏好信息。

圖3 主動學習引導的帕累托前沿擴展與偏好解析的帕累托流形。 a. 初始實驗數據集在強度-斷裂韌性空間的投影，顏色編碼抗沖擊性能；b. 主動學習迭代后新增配方填補高強高韌邊界；c. 非支配集的歸一化超體積隨實驗次數的變化及每次主動學習更新的超體積增益增量；d-f. 完成五次主動學習迭代后重新訓練帕累托集學習獲得的帕累托解：d. 在TPU-BF-POK組分空間的近似帕累托集；e. 帕累托解在強度-斷裂韌性-抗沖擊性能三維空間的分布；f. 帕累托集在強度-斷裂韌性平面的投影，標記代表平衡、強度優先、斷裂韌性優先和抗沖擊優先設計偏好的解。

偏好引導Pareto解的實驗驗證

為實驗驗證機器學習選擇的Pareto解，研究團隊制備了對應不同設計偏好的四個代表性配方（圖4）。在拉伸、缺口拉伸和沖擊加載下，宏觀響應曲線高度一致，表明偏好引導選擇在同一高性能區域內操作。定量性能指標緊密聚集：拉伸強度約248-250 MPa，斷裂韌性保持在14.8-14.9 MPa·m1/2，沖擊能耗散約4.65-4.71 J，均處于實驗誤差范圍內。通過Ashby圖與天然和工程材料對比，所有四種設計在比強度-比斷裂韌性圖中落在先進復合材料和骨樣材料區域，優于傳統聚合物和非技術陶瓷。考慮密度時，所有配方保持在輕質區域（<1000 kg/m3），同時保持10-20 MPa·m1/2的斷裂韌性，展現出罕見的低質量與損傷容限組合。

圖4 優化帕累托集中偏好引導解的實驗驗證。 a. 四種代表性設計的拉伸應力-應變曲線；b. 缺口拉伸試驗的力-位移響應；c. 沖擊力-位移曲線展示能量耗散過程；d-f. 拉伸強度、斷裂韌性和抗沖擊性能的實驗測量值總結；g-i. 相對于平衡配方的三個力學指標的相對差異；j-l. Ashby圖基準對比：j. 比斷裂韌性與比強度；k. 斷裂韌性隨密度的變化；l. 比沖擊能量耗散與比沖擊力。

動態應力自適應界面響應機制

通過原位拉伸SEM和應變分辨拉曼光譜，研究團隊揭示了復合材料的動態界面響應（圖5）。在約300%應變時，裂紋張開被顯著的纖維橋接有效屏蔽，多個錨定在玄武巖纖維上的聚合物韌帶跨越裂紋面并保持機械嚙合。加載至約500%應變時，橋接機制持續運作，承力韌帶經歷漸進拉伸和變薄后延遲斷裂，裂紋沿偏轉路徑緩慢擴展，伴隨周圍塑性區顯著擴展。分子尺度上，拉曼光譜顯示羰基帶中心位移較小且非單調，表明拉伸應力未持續累積在窄帶羰基鍵上；CH伸縮包絡的半高寬在高應變下顯著展寬，與鏈段活動性、鏈重排和滑移的激活一致，證實了纏結界面在載荷下的漸進重構。

圖5 原位拉伸掃描電鏡和拉曼光譜揭示的動態應力自適應界面響應。 a、b. 在約300%和約500%拉伸應變下的原位拉伸掃描電鏡圖像，顯示裂紋演化；c、d. 拉伸加載過程中采集的應變分辨拉曼光譜和對應的應變-波數熱圖；e、f. 羰基帶質心位移和CH伸縮包絡半高寬的定量演化。

多尺度應變誘導結構演化

為揭示損傷容限的微觀機制，研究團隊考察了應變誘導的多尺度結構演化（圖6）。在初始階段，SAXS和WAXS圖案呈現近乎圓形的各向同性環，反映取向納米域和鏈段的均勻分布。中等變形（50%應變）時，SAXS圖案從各向同性環轉變為明顯的各向異性條紋，WAXS輪廓發展出明確的赤道弧，證明無定形和晶相沿載荷軸逐步取向。高變形水平（300%應變）時，SAXS各向異性減弱，彌散WAXS環出現，表明預取向域破壞和微觀結構相干性喪失；SAXS低q值強度增加反映納米尺度重排和界面擴張，WAXS峰展寬和強度降低，DSC分析顯示熔融焓部分增加，表明應力釋放時發生局部鏈重排和再結晶。

沖擊載荷下的層級能量耗散

平衡型POK-TPU-BF TICs具有層級結構，賦予其優異的低高速沖擊抗力（圖6h-i）。三維重建顯示連續互連的多孔基體與取向BF交織形成骨小梁框架。低速沖擊下，可逆孔塌陷和基體剪切，加上纏結界面通過鏈滑移和鏈段重排的能量耗散，實現分布阻尼。高速沖擊下，應變局域化于沖擊點下方，限制在骨小梁界面區域；骨小梁骨架局部致密化、纖維拔出和橋接、界面鏈解纏協同作用耗散動能，有效抑制裂紋擴展并防止災難性破壞。

圖6 骨小梁互鎖復合材料的多尺度結構演化和能量耗散機制。 a. 平衡型POK-TPU-BF骨小梁互鎖復合材料缺口拉伸斷面的橫截面掃描電鏡圖像；b. 0%、50%和300%應變下的二維小角X射線散射圖案；c. 對應的二維廣角X射線散射圖案；d. 一維小角X射線散射譜顯示應變誘導的低q值強度增加；e. 一維廣角X射線散射譜揭示應變誘導的結晶度損失；f. 分子動力學模擬界面失效過程；g. 不同應變下的差示掃描量熱曲線；h. 三維X射線重建和掃描電鏡成像揭示的互穿多孔骨架與玄武巖纖維交織結構；i. 高速沖擊下有效應變分布的有限元模擬。

設計策略的普適性驗證

基于熱力學和結構基礎，研究團隊證明了TICs概念在化學和形態多樣性聚合物復合材料中的普適性（圖7）。該策略擴展到工業相關熱塑性塑料（POK和聚酰胺6），增強相包括一維纖維（碳纖維、玄武巖纖維）和二維石墨烯納米片。盡管基體化學和增強體幾何形狀各異，每個系統都實現了強度、斷裂韌性和延展性的協同提升。將石墨烯引入POK-TPU-G TICs，斷裂韌性比對照復合材料提高三倍以上，證實了該策略在二維納米片增強系統中的有效性。

圖7 設計策略在不同聚合物復合體系中的普適性驗證。 a-c. 不同彈性體和纖維增強體系中骨小梁互鎖復合材料與非骨小梁互鎖復合材料的性能對比；d-f. POK-TPU-G骨小梁互鎖復合材料與POK-G非骨小梁互鎖復合材料的性能對比。

總結與展望

本研究提出的普適性增韌策略通過整合骨小梁互鎖結構與熱驅動應力自適應界面，激活了包括鏈取向、結晶度調節、界面滑移和分子重組的層級變形機制，實現了復雜載荷下的高效能量耗散，克服了強度與韌性之間的傳統權衡。結合Pareto集學習和主動學習的機器學習多目標優化框架，建立了可解釋且高效的設計空間，將用戶定義的性能目標與最優復合配方關聯，系統平衡強度、斷裂韌性和抗沖擊性，同時減少實驗工作量。這一集成設計與優化策略為智能材料發現提供了基礎，與逆向設計工作流、增材制造和可持續材料輸入兼容，在熱塑性塑料、熱固性塑料和混合系統中的廣泛適用性突顯了其在航空航天、交通運輸和防護技術等先進結構應用中的潛力。