江苏大学聂仪晶教授团队 Macromolecules：分子模拟+机器学习双轮驱动 - 高强度高愈合效率氢键自愈合聚合物理性设计新范式

背景：氢键自愈合聚合物存在“高力学强度”与“高自愈合效率”难以调和的矛盾，传统试错法研发周期长。研究目的：江苏大学聂仪晶团队以分子模拟与机器学习为核心，构建定量预测模型，突破性能平衡瓶颈。结论：通过粗粒化分子动力学模拟构建1040组数据，结合随机森林、XGBoost等算法建立高精度预测模型（RF模型R²达0.8742），并利用SHAP分析揭示氢键强度是影响自愈合效率的最关键因素。研究精准定位了氢键强度-密度的“黄金平衡区”：中等氢键强度配合较高氢键密度可实现强度与效率协同优化，而过度强化则形成刚性网络抑制愈合。逆向设计框架可基于目标性能直接输出最优结构参数，为柔性电子、可穿戴设备等领域的智能材料开发提供通用化理性设计范式。