設計具有定制電氣和機械性能的超輕導電氣凝膠對于各種應用都至關重要。傳統方法依賴于在廣闊的參數空間中進行迭代、耗時的實驗。在此，開發了一種集成的工作流程，將協作機器人與機器學習相結合，以加速具有可編程特性的導電氣凝膠的設計。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，評估氣凝膠的結構完整性以訓練支持向量機分類器。通過 8 個主動學習周期和數據增強，通過機器人自動化平臺制造/表征了 162 種獨特的導電氣凝膠，從而可以構建人工神經網絡預測模型。預測模型執行雙向設計任務：(1) 根據制造參數預測氣凝膠的物理化學性質和 (2) 針對特定屬性要求自動進行氣凝膠的逆向設計。模型解釋和有限元模擬的結合使用驗證了氣凝膠密度和抗壓強度之間的明顯相關性。模型建議的氣凝膠具有高導電性、定制強度和壓力不敏感性，可實現壓縮穩定的焦耳加熱，以實現可穿戴熱管理。
圖 1. a 自動移液機器人（即 OT-2 機器人）加速的導電氣凝膠制造過程示意圖。加入了四種構建塊，包括 MXene 納米片、纖維素納米纖維 (CNF)、明膠和戊二醛 (GA)。通過調節 MXene/CNF/明膠/GA 比率和混合物負載（即水性混合物的固體含量），可以控制導電氣凝膠的機械和電性能。b 264 種 MXene/CNF/明膠氣凝膠，根據其結構完整性和整體性質分為不同等級。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 A 級導電氣凝膠的可能性。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 通過主動學習循環、數據增強和人機協作構建預測模型的多階段 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。經過 8 次主動學習循環后，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網絡 (ANN) 算法的各種預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 基于不同虛擬與現實數據比的各種 ANN 模型的 MAE（頂部）和 MRE（底部）值。
圖 3. a 導電氣凝膠（配方 #1 – #8）的實際應力-應變曲線與模型預測值的比較。b 導電氣凝膠（配方 #1 – #8）的實際初始電阻與模型預測值的比較。c 通過輸入特定的設計要求，冠軍模型能夠通過直接建議合適的制造參數集來自動化導電氣凝膠的逆向設計過程，而無需進行迭代優化實驗。插圖顯示了兩種模型建議的導電氣凝膠的 SEM 圖像。d 導電氣凝膠（配方 #9 – #14）的實際值與模型預測值（左）和（右）之間的比較。數據以平均值±sd 表示，n = 3，每個獨立實驗都用黑點或藍點標記。e 導電氣凝膠的可實現值和值的小提琴圖。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，中位數由中心線表示。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，導電氣凝膠的 FE 模擬值與實驗表征值之間的比較。數據以平均值±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、低密度導電氣凝膠在未壓縮狀態下的 SEM 圖像。d 高、中、低密度氣凝膠模型（來自 FE 模擬）在 30% 壓縮下的局部應力分布曲線。e 高、中、低密度導電氣凝膠在壓縮狀態下的 SEM 圖像。誤差線代表標準差。
圖5. a 應變不敏感導電氣凝膠的機器智能設計過程示意圖。b – 模型建議的導電氣凝膠的靈敏度曲線。c 應變不敏感導電氣凝膠在 100 次 20% 壓縮循環下的時間分辨相對電阻變化。d 應變不敏感導電氣凝膠在不同施加電壓下的溫度-時間曲線。e 應變不敏感導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。
相關科研成果由馬里蘭大學Po-Yen Chen，Eleonora Tubaldi等人于2024年發表在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
轉自《石墨烯研究》公眾號
