国产精品igao视频网网址不卡日韩,亚洲综合在线电影,亚洲婷婷丁香,黄色在线网站噜噜噜

  共聚物序列結構調控是開發高端聚合物材料的關鍵路徑之一，也是高分子化學家長期致力實現的目標。在共聚反應中，競聚率作為單體自增長與交叉增長速率常數之比，對理解和調控序列結構具有核心意義。然而，競聚率受溶劑、溫度等多種因素影響，難以直接沿用文獻數據準確預測不同條件下的序列結構，研究者通常需針對具體條件重新測定該參數。自20世紀40年代以來，競聚率測定主要依賴Mayo-Lewis、Meyer-Lowry等傳統方法。這些方法不僅對轉化率范圍有嚴格要求、實驗操作繁瑣，且通常僅適用于二元共聚體系（圖1A）。面對更為復雜的多元共聚體系（如三元共聚），研究者往往只能借鑒二元競聚率參數，而無法直接測定三元競聚率。大量研究表明，這種間接引用并不可靠。遺憾的是，長期以來，復雜體系競聚率測定方法的發展幾乎處于停滯狀態。

圖1. （A）傳統的競聚率測定方法；（B）基于“競聚率指紋”的機器學習測定方法

  最近，復旦大學高分子科學系陳茂課題組提出“競聚率指紋”新概念，將共聚反應數據矩陣作為競聚率指紋，以百萬量級的指紋數據庫建立了機器學習模型。在該模型中，輸入任意轉化率、投料比下的實驗數據，能夠直接、高效獲取二元競聚率、三元競聚率（圖1B）。以此為基礎，研究團隊測定了40對二元單體組合、20對三元單體組合的競聚率；高效分析了溫度、溶劑對于競聚率的重要影響；揭示了第三單體對于二元單體組合的競聚率具有顯著影響；通過改變溶劑、溫度等簡單反應條件，采用相同單體合成了不同序列結構的多元共聚物（圖2）。

圖2. 機器學習輔助的序列結構調控示意圖

  本文提出的“競聚率指紋”為競聚率測定提供了全新思路，利用機器學習成功解決了三元競聚率直接測定的長期挑戰，大幅度提升了競聚率測定效率。研究者相信“競聚率指紋”概念有望拓展至更復雜共聚體系、并適用于不同聚合反應機理，有望為共聚物實際生產中的序列結構調控提供指導。該工作以“Copolymer Sequence Regulation Enabled by Reactivity Ratio Fingerprints via Machine Learning”為題發表在《德國應用化學》（Angew. Chem. Int. Ed. 2025, e202513086）。復旦大學高分子科學系張澤熙碩士為文章第一作者，復旦大學高分子科學系陳茂教授與課題組谷宇博士為共同通訊作者。作者特別感謝國家自然科學基金、上海市科委、復旦大學高分子科學系、聚合物分子工程全國重點實驗、高分子科學智能研究中心的大力支持。

  全文鏈接：https://doi.org/10.1002/anie.202513086

  更多課題組介紹請點擊：http://www.polymaolab.cn