科研進(jìn)展
蘭州化物所潤滑油黏度指數改進(jìn)劑分子模擬工程研究獲新進(jìn)展
傳統材料研發(fā)依賴(lài)試錯法，效率低。材料基因組計劃（MGI）提出通過(guò)高通量計算和大數據加速創(chuàng )新，但材料科學(xué)中數據稀缺與機器學(xué)習（ML）模型可解釋性差成為關(guān)鍵瓶頸。
在軟凝聚態(tài)物質(zhì)（如聚合物）領(lǐng)域，實(shí)驗數據質(zhì)量參差導致數據量不足。粘度指數改進(jìn)劑（VII）作為潤滑油核心添加劑，其性能依賴(lài)聚合物分子結構與溫度響應的復雜關(guān)系，但現有研究?jì)H聚焦少數商用聚合物（如聚異丁烯），缺乏系統性數據支撐。盡管分子動(dòng)力學(xué)（MD）可模擬聚合物溶液物性，但缺乏針對VII的高通量數據生成方法。此外，現有ML模型多為“黑箱”，難以揭示定量構效關(guān)系（QSPR），阻礙聚合物設計的理論指導。因此，亟需開(kāi)發(fā)整合高通量計算、自動(dòng)化特征工程與可解釋AI的框架，以突破數據稀缺限制，推動(dòng)VII等復雜體系的理性設計。
中國科學(xué)院蘭州化學(xué)物理研究所潤滑材料全國重點(diǎn)實(shí)驗室材料表面界面團隊長(cháng)期致力于潤滑油材料的分子模擬工程和人工智能設計研究。近期，研究人員融合高通量分子動(dòng)力學(xué)模擬與可解釋人工智能的自動(dòng)化材料設計框架，破解了潤滑油核心添加劑——黏度指數改進(jìn)劑（VII）研發(fā)難題。該研究通過(guò)自主開(kāi)發(fā)的智能計算管道，僅從5類(lèi)商用聚合物出發(fā)，高效生成大規模VII數據集（1166組數據），并利用多目標機器學(xué)習模型從180萬(wàn)候選分子中篩選出366種高性能聚合物，其粘溫性能超越現有商用產(chǎn)品。該工作有望為潤滑油行業(yè)節省大量實(shí)驗成本，驗證數據稀缺領(lǐng)域“計算驅動(dòng)-模型解析-材料設計”的研發(fā)新范式，在高分子材料、藥物設計等領(lǐng)域具有廣泛推廣價(jià)值。
圖1.整合高通量分子動(dòng)力學(xué)模擬與機器學(xué)習的高粘溫性能聚合物開(kāi)發(fā)流程圖
圖2.基于符號回歸（SR）構建VII粘度與PVI預測模型
圖3.高性能黏指劑虛擬篩選
以上研究成果以“Exploring high-performance viscosity index improver polymers via highthroughput molecular dynamics and explainable AI”為題發(fā)表在npj computational materials上，蘭州化物所周銳博士生為論文第一作者，蘭州化物所鮑路瑤助理研究員、周峰研究員和蘭州大學(xué)卜偉鋒教授為共同通訊作者。
以上工作得到中國科學(xué)院戰略性先導科技專(zhuān)項支持。
