L'IA accélère la conception de films polyimides ultra-résistants grâce à une approche génomique des matériaux

L'optimisation simultanée de la rigidité, de la résistance et de la ténacité dans les films polyimides thermodurcissables représente un défi de longue date pour les scientifiques des matériaux. Une équipe de recherche de l'East China University of Science and Technology a développé une approche assistée par IA combinant l'apprentissage automatique à un cadre génomique des matériaux, permettant la conception rapide de polyimides haute performance. Leur étude publiée dans le Chinese Journal of Polymer Science introduit un modèle capable de prédire trois paramètres mécaniques clés à travers des milliers de structures candidates.

La méthode traite les fragments structuraux des polymères - dianhydride, diamine et unités de terminaison - comme des "gènes" moléculaires, définissant un vaste espace chimique de 1 720 polyimides terminés par phényléthynyle. Les modèles de régression par processus gaussiens, entraînés sur plus de 120 ensembles de données expérimentales, ont atteint une précision prédictive élevée pour le module d'Young, la résistance à la traction et l'allongement à la rupture. Cette approche a identifié une formulation spécifique, PPI-TB, dont les performances surpassent les polyimides de référence établis.

Les simulations de dynamique moléculaire ont validé le criblage, montrant que PPI-TB présente un module supérieur (3,48 GPa), une ténacité et des indicateurs de résistance améliorés par rapport aux systèmes PETI-1 et O-O-3. Les expériences subséquentes sur des PPI représentatifs ont confirmé la forte cohérence entre les données prédites et mesurées. Les analyses d'importance des "gènes" et des caractéristiques ont révélé des principes de conception clés : les structures aromatiques conjuguées améliorent la rigidité, les hétéroatomes et hétérocycles renforcent les interactions moléculaires, et les unités flexibles contenant du Si ou du S améliorent l'allongement.

Cette stratégie génomique des matériaux pilotée par l'IA fournit un cadre universel et évolutif pour concevoir des polymères avec des combinactions ciblées de rigidité, de résistance et de flexibilité - des caractéristiques essentielles pour la microélectronique, les composites aérospatiaux et les substrats de circuits flexibles. En remplaçant des années d'itération expérimentale par une modélisation prédictive et un criblage virtuel, cette méthode réduit considérablement les coûts et le temps de développement. Au-delà des polyimides, le flux de travail pourrait être adapté à d'autres classes de polymères haute performance, guidant la création de matériaux légers, durables et thermiquement stables qui alimenteront les futures technologies électroniques et aérospatiales.