科学家解析聚合物网络结构和性能的关系，助力聚合物材料的性能优化

聚合物网络，是一种由交联的高分子链组成的复杂材料体系。目前，其已广泛用于高端制造、生物医药、新能源等领域。

聚合物网络材料的特性比如弹性、应变硬化和可延展性，受到化学组成、链段构象和网络拓扑结构的共同影响。

然而，聚合物网络的内部结构一直是一个“未解之谜”。由于其不溶性聚合物的共价交联网络，导致在它面前大多数液相色谱方法和光谱方法都“束手无策”无法对其进行测量。

因此，人们必须以不同的方式来解析其结构特性，包括考虑交联密度和链缠结等因素。

虽然有许多研究曾展示过聚合物网络特性对拓扑结构变化做出响应的原理。但是，目前尚无一种方法可以从聚合物网络的宏观性质中直接解码其微观结构信息。

因此，人们面临的关键问题是如何在不破坏材料原有结构的前提下，深入解析聚合物网络内部的微观结构例如交联点、链环、悬垂末端、链缠结等，并研究其与聚合物网络宏观机械性质例如弹性模量、硬度等性质之间的关系。

在近期一项研究中，科学家提出一种全新的“取证”方法，能在不依赖复杂的结构分析技术的情况下，通过测量聚合物网络材料在非线性形变下的宏观机械响应，来推断其存在的微观结构。

（来源：Nature Materials）

这一方法巧妙地利用聚合物网络的宏观响应与其微观结构之间的关系，来推断其内部的复杂网络结构。

研究中，课题组基于计算机模拟的论证和不同聚合物网络材料的实验分析，开展了相关验证。

期间，研究团队利用分子动力学模拟，从研究虚拟聚合网络结构的非线性形变响应入手，分析了交联密度、交联官能度、以及链环结构和悬垂末端等交联网络结构，对其机械性质的影响。

之后，他们将提出的“取证“方法拓展到包含链缠结的真实聚合物网络中，以解析其交联网络和宏观机械性能的关系。

最后，通过大量实验测量数据验证了包括线性聚合物网络、瓶刷聚合物网络、梳状聚合物网络、末端交联聚合物网路、自组装聚合物网络等不同聚合物网络的微观结构，对其宏观机械响应的影响。

凭借此，他们全面系统地验证出如下结论：利用聚合物网络的宏观响应与其微观结构之间的关系，来推断其内部复杂网络结构，具备不错的可行性和准确性。

总的来说，这项研究通过提供一种全新的方法，成功解析了聚合物网络结构和性能之间的关系，不仅为现有的聚合物材料的性能优化提供了新思路。

而且还有望帮助学界设计出具有特定机械性能的新材料，比如生物医药材料、可回收材料和高性能复合材料等。

通过此，不仅解决了长期以来困扰科学家的问题，即在无法直接观测聚合物网络内部结构的情况下，如何准确研究其结构-性质关系，还为设计具有特定结构和性质的新型聚合物材料提供了理论指导和依据。

同时，这项研究也标志着学界在利用人工智能开发新型软物质材料上迈出了重要一步，将推动材料科学和工程领域的创新和发展。

最终，相关论文以《聚合物网络的辩论术》（）为题发在 Nature Materials[1]。

图 | 相关论文（来源：Nature Materials）

主要作者均来自美国北卡罗来纳大学教堂山分校，该校教授安德烈·多布林宁（）是第一作者兼共同通讯，田原博士是第二作者，谢尔盖·谢伊科（）教授担任共同通讯作者。

图 | 田原（来源：田原）

据介绍，提出这种新的“取证”方法，需要大量的模拟和实验数据的支持和验证。

期间，田原和 教授经常坐在电脑前，长时间讨论复杂的实验数据。一摞摞不断增高的草稿纸、持续分析和处理的模拟、以及实验数据，见证了整个研究过程中的点点滴滴。

“我还清晰记得使用 1959 年文献的实验数据和由 教授课题组提供的全新的实验数据成功验证‘取证’方法时的喜悦，同时， 教授也被这个方法的意义和普适性所震撼。这些努力和合作为研究的成功奠定了坚实基础。”田原表示。

另据悉，接下来他们打算将此次提出的“取证”方法，用于更多复杂的聚合物交联网络体系的研究。

同时，也将探索结合机器学习和人工智能方法，以用于开发和设计新的软物质材料，希望为材料科学领域带来更多创新和发展，推动新材料的设计和应用拓展。

参考资料：

1.Dobrynin, A.V., Tian, Y., Jacobs, M. et al. Forensics of polymer networks. Nat. Mater. 22, 1394–1400 (2023). https://doi.org/10.1038/s41563-023-01663-5

排版：朵克斯

04 /
05 /