北京化工大学先进弹性体材料研究中心在中国工程院院士张立群教授带领下，围绕能源、资源、环境、生命健康等领域的重大需求和传统橡胶产业的技术升级，从基础科学研究、关键技术创新和重大工程应用等方面展开全链条研究，培养高水平创新人才，推动弹性体材料领域基础科学和技术水平的提高。
面对弹性体材料日新月异的快速发展，更好地促进橡胶行业的科技进步，中心特推出重要研究成果展示栏目，与同行共勉。本期展示利用分子动力学模拟研究的主要成果：
（一）白炭黑填充天然橡胶纳米复合材料断裂机制的多尺度模拟研究
众所周知，添加白炭黑填料会在天然橡胶结构中引入显著的异质性和复杂性，从而影响天然橡胶纳米复合材料的机械性能。其中纳米颗粒表面接枝分子链是一种可调节材料网络结构和界面相互作用有效的策略。然而，白炭黑接枝也会改变分子链之间的缠结以及孔洞的成核和演变，对复合材料的断裂韧性产生重大影响。因此，从分子尺度上全面阐述白炭黑填料接枝改性天然橡胶纳米复合材料的断裂机制具有重要意义。
文章链接：https://pubs.acs.org/doi/epdf/10.1021/acs.macromol.3c01387
近日，北京化工大学先进弹性体材料研究中心张立群院士、高洋洋副教授、博士生马瑞彬等人采用多尺度分子动力学模拟研究了二氧化硅接枝改性对天然橡胶复合材料断裂行为的影响。该工作以“Manipulating the void nucleation and propagation in silica nanoparticle/polyisoprene nanocomposites via grafted chains: A Multi-scale Simulation”为题目发表在高分子领域代表性的期刊《Macromolecules》上。
该工作首先利用反演玻尔兹曼逆迭代法(IBI)开发了二氧化硅/天然橡胶橡胶纳米复合材料的多尺度模型与力场（如图1）。模拟表明接枝二氧化硅可以提高体系的力学性能。同时发现接枝链参与形成的缠结具有更高的结构强度。此外，通过计分子链和二氧化硅的 Voronoi 体积揭示了孔洞的成核和演变规律。并且量化了二氧化硅填料的位阻效应和接枝效应对缠结以及孔洞成核的竞争机制。最后，通过表征局部弹性模量的分布，发现孔洞更倾向于在界面成核，这主要是因为界面的弹性模量较低（如图2）。此外，接枝链可以抑制孔洞的成核与合并，从而提高天然橡胶复合材料的断裂韧性。总之，这项研究对接枝链如何在分子尺度上影响二氧化硅填充天然橡胶纳米复合材料的断裂韧性有了清晰而新颖的认识。本工作得到了国家自然科学基金（51973012）和北京市自然科学基金（2212043）的资助。
图1（a）聚异戊二烯以及 （b）二氧化硅纳米颗粒(NP)的粗粒化模型
图2 不同接枝密度体系初始局部模量与孔洞成核位点（黑球表示）的分布
（二）分子动力学模拟与实验结合制备用于智能疾病诊断系统的多通道柔性传感阵列
众所周知，导电聚合物纳米复合材料广泛应用于高性能传感器、柔性电子器件等。其中高灵敏度、宽线性范围和快速响应时间的压力传感器对于构建检测识别脉搏信号的智能疾病诊断系统至关重要。然而，传统的压力传感器其灵敏度有限且响应范围不理想。因此，从分子尺度理解材料内部导电网络的灵敏度和动态传感范围之间的压力传感机制具有重要的理论与指导意义。
文章链接：https://pubs.acs.org/doi/10.1021/acsnano.2c11897
近日，北京化工大学先进弹性体材料研究中心高洋洋副教授、硕士生吴昊昱与中国科学院空天信息研究院传感器技术薛宁教授、博士生刘铁柱等人合作，基于PI/MPN/PI三明治结构压力传感器的柔性脉搏感知阵列，结合分子动力学模拟与实验对高压敏导电复合材料的制备进行了优化与制备。该工作以Multichannel Flexible Pulse Perception Array for Intelligent Disease Diagnosis System为题发表在国际知名期刊《ACS Nano》。
该工作主要提出了一种基于聚酰亚胺/多壁碳纳米管-聚二甲基硅氧烷/聚酰亚胺（PI/MPN/PI）三明治结构纳米复合材料压力传感器的多通道柔性脉冲感知阵列，实现了高灵敏度和宽响应范围，并提出了智能算法用于提取和识别脉象从而应用于远程疾病诊断（如图1）。其中利用了全原子与粗粒度分子动力学模拟，优化了阵列中的多壁碳纳米管/聚二甲基硅氧烷导电复合材料（如图2）：首先分析了不同表面羟基改性程度的碳纳米管与聚二甲基硅氧烷相互作用能，并对填料在基体中的分散程度进行定量表征，结果表明表面改性能有效控制填料的分散程度；接着进一步探索了复合体系导电网络在外加压缩应变下的演变规律，结果表明多壁碳纳米管中等负载程度和高修饰程度可以提高导电网络的敏感性。总地来说，该工作有助于进一步从分子尺度上理解并优化制备高性能压力传感器。本工作得到了国家自然科学基金（51973012）和北京市自然科学基金（2212043）的资助。
图1 基于脉搏信号的智能疾病诊断系统示意图：患者在家中通过传感器阵列测量脉搏信号，医生通过远程传输脉搏特征来诊断疾病
图2（a）不同羟基改性程度的碳纳米管/聚二甲基硅氧烷复合材料直观图;（b）不同羟基改性下碳纳米管与聚二甲基硅氧烷界面相互作用能；（c）压缩应变下导电网络演变直观图；一定压缩率下导电性能变化（ΔΛ）与（d）填料表面改性程度和（e）填料负载量变化；（f）导电率与填料负载量的变化图。
（三）表面功能化调控石墨烯/聚乙烯醇复合材料的导热性能
随着现代电子工业的飞速发展，电子器件的功率密度显著提高。为了保证电子产品的可靠运行和长使用寿命，迫切需要具有高导热率的热界面材料。一般来说聚合物材料柔性高但导热率低，通常加入高导热的石墨烯来提高基体的传热能力。然而，石墨烯与聚合物之间存在的高界面热阻导致复合材料的导热性能提高十分有限，与预期相差较大。为了提高界面热导率，可以采用表面官能化对石墨烯进行改性，然而不同种类改性基团对界面导热率、填料导热率以及复合材料导热率影响机制仍然缺乏理论解释。
文章链接：https://pubs.acs.org/doi/10.1021/acs.langmuir.3c00677
近日，北京化工大学先进弹性体材料研究中心张立群院士、高洋洋副教授、硕士生杨绍丁等人采用分子动力学模拟研究了官能化基团对石墨烯/聚乙烯醇复合材料导热性的影响。该工作以“Manipulating the Thermal Conductivity of the graphene/Poly(vinyl alcohol) Composite via Surface Functionalization: A Multi-scale Simulation”为题目发表在高分子领域代表性的期刊《Langmuir》上。
该工作首先采用了甲基、羟基、氨基和羧基对石墨烯进行改性，并构建了界面传热模型（图1）。结果显示极性基团比非极性基团能更加有效地提高界面导热率（图2(a)）。这是因为极性基团可以与聚乙烯醇链形成氢键，产生强的界面库仑能。随后通过氢键，振动态密度和界面热流自相关积分等方法揭示了界面热导的变化机理。然而石墨烯官能化会破坏石墨烯的结构，降低其本征热导率。通过计算不同石墨烯长度下的复合材料导热率，发现石墨烯存在一个临界尺寸（图2(b)）。在临界尺寸以下，石墨烯官能化有助于提升复合材料导热率，反之则相反。总地来说，本工作对石墨烯官能化改性影响石墨烯/聚乙烯醇复合材料导热率提供了分子机制。本工作得到了国家自然科学基金（51973012）和北京市自然科学基金（2212043）的资助。
图1（a）PVA链，（b）石墨烯填料，（c-f）四种官能团（-CH3，-OH，-NH2和-COOH）和（g）界面传热模型
图2（a）界面热导率与石墨烯官能化程度的变化图；（b）不同种类官能团的临界石墨烯长度与官能化程度的关系
（四）分子动力学模拟与机器学习结合预测复杂条件下聚合物纳米复合材料的粘度
众所周知，粘度是高分子流体的一个基本物理特性，决定了流体的流动特性。为了保证高分子材料的加工性能，获得性能良好的产品，必须将粘度控制在一个合理的范围内。在加工过程中，影响聚合物纳米复合材料粘度的主要因素包括剪切速率、温度和填料含量。因此，预测聚合物纳米复合材料的粘度是至关重要的。机器学习，在已有的实验和计算数据的支持下，已经成为预测特征参数和材料的各种物理特性之间定量关系的强大工具。因此，结合分子动力学模拟与机器学习建立模型来预测聚合物纳米复合材料的粘度与剪切率、温度和填料含量的关系十分重要。
文章链接：https://pubs.acs.org/10.1021/acs.jpcb.3c01697
近日，北京化工大学先进弹性体材料研究中心张立群院士、高洋洋副教授、博士生李豪祥和南卫理工会大学田浩博士等人结合分子动力学模拟和机器学习方法构建了一个可以预测不同温度、剪切速率和填料含量复杂条件下聚合物纳米复合材料粘度的模型。该工作以Analyzing and Predicting the Viscosity of Polymer Nanocomposites in the Conditions of Temperature, Shear Rate, and Nanoparticle Loading with Molecular Dynamics Simulations and Machine Learning为题发表在物理化学领域的代表性期刊《Journal of Physical Chemistry B》。
该模拟工作采用非平衡分子动力学模拟计算了在不同温度、剪切速率和填料含量下聚合物纳米复合材料的粘度。从分子动力学模拟的结果中提取数据建立数据集，其包括三个特征变量：剪切速率，温度，和填料含量，如图1所示。利用这个数据集来训练四种机器学习模型，包括线性回归（LR），支持向量机（SVM），决策树（DT），和极限梯度提升（XGBoost）来预测不同的特征变量下的粘度值，并将预测结果与实验上的半经验模型进行对比以提供有效的预测，如图2所示。极限梯度提升（XGBoost）模型在复杂条件下产生了最佳的粘度预测精度，并进一步用于评估特征的重要性。确定对聚合物纳米复合材料的影响为剪切速率>温度>填料含量。总地来说，这个工作结合分子动力学模拟和机器学习在物理视野上研究了工艺参数，如温度、剪切速率和填料含量对聚合物纳米复合材料的粘度影响，建立粘度预测模型，为从理论上提出成功加工的合理参数提供了理论指导。本工作得到了国家自然科学基金（51973012）和北京市自然科学基金（2212043）的资助。
图1 本工作中粘度数据集的特征空间：（A）剪切速率-温度，（B）剪切速率-填料含量，和（C）温度-填料含量的二维分布图。
图2 基于分子动力学模拟和机器学习预测聚合物纳米复合材料粘度的简要流程图。
