設(shè)計具有定制電氣和機械性能的超輕導(dǎo)電氣凝膠對于各種應(yīng)用都至關(guān)重要。傳統(tǒng)方法依賴于在廣闊的參數(shù)空間中進行迭代、耗時的實驗。在此，開發(fā)了一種集成的工作流程，將協(xié)作機器人與機器學(xué)習(xí)相結(jié)合，以加速具有可編程特性的導(dǎo)電氣凝膠的設(shè)計。操作自動移液機器人以不同的比例/負載制備 264 種 Ti3C2Tx MXene、纖維素、明膠和戊二醛混合物。冷凍干燥后，評估氣凝膠的結(jié)構(gòu)完整性以訓(xùn)練支持向量機分類器。通過 8 個主動學(xué)習(xí)周期和數(shù)據(jù)增強，通過機器人自動化平臺制造/表征了 162 種獨特的導(dǎo)電氣凝膠，從而可以構(gòu)建人工神經(jīng)網(wǎng)絡(luò)預(yù)測模型。預(yù)測模型執(zhí)行雙向設(shè)計任務(wù)：(1) 根據(jù)制造參數(shù)預(yù)測氣凝膠的物理化學(xué)性質(zhì)和 (2) 針對特定屬性要求自動進行氣凝膠的逆向設(shè)計。模型解釋和有限元模擬的結(jié)合使用驗證了氣凝膠密度和抗壓強度之間的明顯相關(guān)性。模型建議的氣凝膠具有高導(dǎo)電性、定制強度和壓力不敏感性，可實現(xiàn)壓縮穩(wěn)定的焦耳加熱，以實現(xiàn)可穿戴熱管理。
圖 1. a 自動移液機器人（即 OT-2 機器人）加速的導(dǎo)電氣凝膠制造過程示意圖。加入了四種構(gòu)建塊，包括 MXene 納米片、纖維素納米纖維 (CNF)、明膠和戊二醛 (GA)。通過調(diào)節(jié) MXene/CNF/明膠/GA 比率和混合物負載（即水性混合物的固體含量），可以控制導(dǎo)電氣凝膠的機械和電性能。b 264 種 MXene/CNF/明膠氣凝膠，根據(jù)其結(jié)構(gòu)完整性和整體性質(zhì)分為不同等級。c 四張熱圖展示了在特定的 MXene/CNF/明膠比率和混合物負載下生產(chǎn) A 級導(dǎo)電氣凝膠的可能性。d 兩種 MXene/CNF 氣凝膠（比例為 80/20，濃度為 10 mg mL-1）的 C 1 s XPS 光譜，包括和不包括 GA 加入的情況。
圖2. a 通過主動學(xué)習(xí)循環(huán)、數(shù)據(jù)增強和人機協(xié)作構(gòu)建預(yù)測模型的多階段 AI/ML 框架示意圖。b 集成了 UR5e 機械臂和 Instron 壓縮測試儀的自主測試平臺。經(jīng)過 8 次主動學(xué)習(xí)循環(huán)后，2D Voronoi 鑲嵌圖 (c) 未采用 GA 和 (d) 采用了 GA。e 基于線性回歸、決策樹、梯度提升決策樹、隨機森林和人工神經(jīng)網(wǎng)絡(luò) (ANN) 算法的各種預(yù)測模型的平均絕對誤差 (MAE)（頂部）和平均相對誤差 (MRE)（底部）值。f 基于不同虛擬與現(xiàn)實數(shù)據(jù)比的各種 ANN 模型的 MAE（頂部）和 MRE（底部）值。
圖 3. a 導(dǎo)電氣凝膠（配方 #1 – #8）的實際應(yīng)力-應(yīng)變曲線與模型預(yù)測值的比較。b 導(dǎo)電氣凝膠（配方 #1 – #8）的實際初始電阻與模型預(yù)測值的比較。c 通過輸入特定的設(shè)計要求，冠軍模型能夠通過直接建議合適的制造參數(shù)集來自動化導(dǎo)電氣凝膠的逆向設(shè)計過程，而無需進行迭代優(yōu)化實驗。插圖顯示了兩種模型建議的導(dǎo)電氣凝膠的 SEM 圖像。d 導(dǎo)電氣凝膠（配方 #9 – #14）的實際值與模型預(yù)測值（左）和（右）之間的比較。數(shù)據(jù)以平均值±sd 表示，n = 3，每個獨立實驗都用黑點或藍點標記。e 導(dǎo)電氣凝膠的可實現(xiàn)值和值的小提琴圖。每個小提琴圖中嵌入的箱線圖表示第 25 和第 75 個百分位數(shù)，中位數(shù)由中心線表示。須線從箱線延伸至 1.5 ×IQR，n = 491,131。誤差線表示標準差。
圖 4. (a) MXene、CNF、明膠、GA 負載和混合物負載對導(dǎo)電氣凝膠值的影響的歸一化 SHAP 值。b 在相同的 MXene/CNF/明膠/GA 比率但不同的混合物負載下，導(dǎo)電氣凝膠的 FE 模擬值與實驗表征值之間的比較。數(shù)據(jù)以平均值±s.d. 表示，n = 3，每個獨立實驗都用空心黑色圓圈標記。c 高、中、低密度導(dǎo)電氣凝膠在未壓縮狀態(tài)下的 SEM 圖像。d 高、中、低密度氣凝膠模型（來自 FE 模擬）在 30% 壓縮下的局部應(yīng)力分布曲線。e 高、中、低密度導(dǎo)電氣凝膠在壓縮狀態(tài)下的 SEM 圖像。誤差線代表標準差。
圖5. a 應(yīng)變不敏感導(dǎo)電氣凝膠的機器智能設(shè)計過程示意圖。b – 模型建議的導(dǎo)電氣凝膠的靈敏度曲線。c 應(yīng)變不敏感導(dǎo)電氣凝膠在 100 次 20% 壓縮循環(huán)下的時間分辨相對電阻變化。d 應(yīng)變不敏感導(dǎo)電氣凝膠在不同施加電壓下的溫度-時間曲線。e 應(yīng)變不敏感導(dǎo)電氣凝膠在焦耳加熱（1.0 和 1.5 V）下在其松弛和 20% 壓縮狀態(tài)下的時間分辨溫度曲線。f 焦耳加熱 1.5 V 下氣凝膠夾套的熱圖像。
相關(guān)科研成果由馬里蘭大學(xué)Po-Yen Chen，Eleonora Tubaldi等人于2024年發(fā)表在Nature Communications（https://doi.org/10.1038/s41467-024-49011-8）上。原文：Machine intelligence accelerated design of conductive MXene aerogels with programmable properties
原文鏈接：https://doi.org/10.1038/s41467-024-49011-8
轉(zhuǎn)自《石墨烯研究》公眾號
