详细内容或原文请订阅后点击阅览
PCIE 8规格将在2028年准备就绪AI帮助化学家创建更耐用的塑料 div>
使用机器学习可以加速搜索在机械曝光下改变其属性的连接。
来源:OSP网站大数据新闻来源：David W. Kastner/麻省理工学院
来自麻省理工学院和杜克大学的研究人员开发了一种创新策略，可以使塑料材料明显更坚固、更耐用。这一发现可能会导致制造出更耐损坏的聚合物，从而减少塑料废物的数量。
发表在《ACS Central Science》杂志上的研究结果表明，机器学习的使用正在加速寻找有前途的分子（称为机械团），即在机械影响下改变其特性的化合物。这种材料变得更能抵抗撕裂和其他变形。
该研究的主要特点是使用含铁二茂铁化合物。到目前为止，尽管二茂铁具有很高的潜力，但它们很少被用作机械载体。
矛盾的是，提高聚合物强度的关键在于弱键的建立。在 2023 年进行的一项研究中，科学家发现，当材料被拉伸时，裂纹往往会“绕过”强键并破坏较弱的键。因此，裂纹必须克服更多数量的键，这会减慢其扩展并增加材料的整体强度。
机械载体的检测和表征是一项复杂的任务，需要长时间的实验或对分子相互作用进行密集的计算机建模。大多数已知的力基团是有机化合物。例如，2023 年，研究人员使用环丁烷作为机械载体。现在他们决定转向二茂铁 - 有机金属化合物，其中铁原子位于两个含碳环之间。这些环中可以添加各种化学基团，从而改变物质的化学和机械性能。