Npj Comput. Mater. : AI驱动的导电网络机理：聚合物纳米复合材料优化

背景：导电高分子纳米复合材料（CPNs）在柔性电子、可穿戴设备等领域应用广泛，其导电性依赖于填料形成的导电网络。传统试错方法难以系统揭示结构与性能关系。研究目的：为克服导电网络随机性带来的预测挑战，研究团队提出结合杂化粒子场分子动力学（hPF-MD）模拟与图神经网络（特别是图注意力网络GAT）的方法，以预测电导率并解析导电网络形成机制。结论：GAT模型在电导率回归预测中误差极小（0-0.0001），优于图卷积网络（GCN），能有效捕捉关键结构特征；分析发现，在7%碳纳米管浓度时网络连接效率最高，浓度过高会导致效率下降。该方法为材料性能预测和逆向设计提供了新路径。