近段时间，ChatGPT成为公众关注的热点。而在高性能高分子和复合材料产业领域，堪称高分子版ChatGPT的国内首个高分子材料基因组研发平台（AI plus高分子软件平台）在沪诞生。
3月9日，华东理工大学教授林嘉平团队宣布开发出AI plus高分子软件平台，通过对高分子材料研发中结构性能进行数据挖掘，并集成机器学习性能预测功能、结构设计、配方及工艺参数优化等功能，可加速高性能高分子材料研发，推动大数据和人工智能技术赋能复合材料用高性能树脂产业。
软件平台截图。 受访者供图
大数据驱动材料基因工程研究
先进树脂基复合材料在航天航空领域应用越来越广。近年来，碳纤维材料研究在多方支持下已取得突破，然而匹配高性能碳纤维的基体树脂却发展缓慢，成为制约先进装备发展的“卡脖子”问题。
华东理工大学在高分子材料，尤其是特种树脂研究方面具有深厚基础和研究特色。相关团队在本世纪初就开始耐高温、耐烧蚀的高性能树脂及复合材料研究，并取得了丰硕成果，获国家科技发明奖二等奖、国家科技进步奖二等奖。
但未来复合材料研究如何走出一条中国的发展之路？高分子树脂结构如何设计？怎样从分子结构的源头去设计满足需求的新树脂等，依然是林嘉平经常思考的问题。
“开展以大数据技术为驱动、以AI为核心的高分子材料基因工程研究，可为解决这些难题提供有效手段，加速新材料的研发步伐。”多年探索中，林嘉平团队的思路越来越清晰。
研究人员进行高性能聚合物性能测试。 受访者供图
2011年，材料基因组工程被正式提出，并逐渐成为材料研究前沿领域的重要方法论。新材料研发也从科学家的经验“试错”时代，跨入“智能制造”时代。挑战与机遇并存，他带领团队牵头承担了系列国家重大重点项目，在国家自然科学基金委、上海市科委的支持和资助下，联合复合材料界著名高校和科研院所，在国内率先开展了高分子材料基因工程研究。
基因组合及筛选是材料基因工程的核心，团队目前已建立了针对耐高温树脂设计的高分子材料基因组新方法。从“基元-结构-性能”构效关系出发，根据性能要求，设计和选取不同结构基元（基因），通过组合获得海量候选结构，然后进行性能预测和高通量筛选，为设计先进高分子材料提供了有效途径。
运用该方法，团队研制了系列先进复合材料基体树脂。如固化温度小于300 ℃、5%热分解温度大于650 ℃、玻璃化转变温度大于600 ℃的新型耐高温、易加工硅萘炔和硅芴炔树脂；耐高温、高韧性的新型聚硅炔酰亚胺树脂，其加工性能、耐热和界面性能优于聚酰亚胺，力学性能与聚酰亚胺相当。相关新型树脂已由多家机构开展复合材料及构件性能评价，解决了国家在高性能高分子材料领域的迫切需求。
较ChatGPT更具技术含量
AI plus高分子软件平台的诞生，是AI和数字化技术同高分子材料交叉领域的重要成果。而数据库，则是材料基因工程的基石。目前，该团队已建成国内首个树脂结构性能数据库和基团间化学反应数据库，包含3万多种聚合物将近15万条性能数据、58516种基元反应模板的近140万条化学反应数据。
林嘉平指导团队搭建数据库和软件平台。 受访者供图
值得一提的是，这些数据主要依靠过去3年，团队数十名研究生和本科生整理录入。该团队在培养学生文献阅读和科研素养的同时，以一条条规范数据，搭建起国内首个高分子专用数据库。
基于数据库，团队创建了十余种面向高分子性能的机器学习预测模型，构建了高分子材料基因组研发平台，具备数据检索、性能预测、配方优化等多种功能。
在该软件平台上，用户在使用AI plus高分子软件平台进行高分子材料性能预测功能时，只需要通过点击“绘制结构”，分别将所绘制的环氧树脂和固化剂转化的字符串输入对应输入框，再通过点击“开始预测”，短短几秒，页面就会返回后台计算的环氧树脂性能预测数据。
这种虚拟设计、高通量预测方法将大大提高其研发效率。
“AI plus高分子软件平台目前已在上海华谊集团树脂厂、上海航天八院、晋飞碳纤科技和金山石化院等企业试用，将择机向社会公开使用。”林嘉平说，“该软件具有输入树脂结构、快速获得其力学、热学和介电等性能的功能。同样是基于机器学习的软件，AI plus较对话类的ChatGPT具有更高技术含量，体现出我国研究人员在AI交叉领域的贡献。”
面向新一代先进复合材料基体树脂中的结构设计难题，华东理工大学将同相关团队和企业开展更深入合作，推进AI plus高分子研究范式向产业全链条发展，实现高性能高分子，尤其是“卡脖子”高分子材料的原始创新和智能制造。
