通过机器学习设计生物基多组分环氧树脂体系配方

摘要整理

石油基环氧树脂常用作纤维增强复合材料的基体。生物基环氧树脂体系可作为传统环氧树脂更环保的替代品。本研究采用贝叶斯优化和主动学习技术，设计了新型多组分氨基酸基树脂体系配方，以获得高或低玻璃化转变温度（Tg）的热固性材料。仅经过5次高Tg实验后，所得热固性材料的Tg已高于单个组分的Tg，表明所用氨基酸之间存在协同效应，证实了理论设计的有效性。线性和非线性机器学习模型成功预测了Tg，平均绝对误差为3.98°C，R²评分达0.91。采用优化配方，在保持Tg为130°C的同时，实现了高达13.7%的成本降低。LASSO模型揭示了Tg与活性氢原子数量和芳香性的依赖关系。本研究通过结合实验和理论策略，展示了如何通过机器学习策略显著改善环氧树脂体系的可持续性。氨基酸作为固化剂用于多组分配方中，生成生物基环氧树脂体系，大幅减少了获得高或低Tg配方所需的试错实验次数。研究结果为更可持续的聚合物材料的理论设计奠定了基础。

相关论文