聚合物膜被用于各種氣體分離，聚合物氣體分離膜的滲透性和選擇性通常呈負相關(guān)關(guān)系。聚合物膜的設(shè)計主要基于經(jīng)驗觀察，這對發(fā)現(xiàn)能夠分離特定氣體對的新材料是一種限制。因此，合成新一代聚合物氣體分離膜的挑戰(zhàn)在于設(shè)計同時具有高滲透性和選擇性的材料。使用化學合成方法并測試可能的聚合物結(jié)構(gòu)及其潛在的化學修飾非常昂貴且耗時。人們已經(jīng)開發(fā)了幾種理論方法和模型來理解聚合物材料中擴散和溶解度，其可以對新一代材料進行更合理的設(shè)計。
近日，哥倫比亞大學的Sanat K. Kumar教授團隊聯(lián)合南卡大學，馬普所等研究人員在《Science Advances》上介紹了一種拓撲的、基于路徑的散列聚合物重復單元機器學習（ML）算法。作者使用約700種聚合物的六種不同氣體的實驗滲透率數(shù)據(jù)，以預測超過11,000種未經(jīng)測試的均聚物氣體分離行為。為了測試算法的準確性，作者合成了該方法預測的兩種最有希望的聚合物膜，發(fā)現(xiàn)它們超過了CO2/CH4分離性能的上限。這種ML技術(shù)使用較小的實驗數(shù)據(jù)集進行訓練，是一種探索聚合物膜設(shè)計的新手段。
作者使用指紋法以數(shù)字方式表示聚合物重復單元中的化學連接性。在基團貢獻方法中，所有構(gòu)造塊都必須先驗定義并保持不變；指紋法本質(zhì)上是動態(tài)的，它們可以演變?yōu)榘ê铣傻牟牧?。指紋法還考慮了不同單元之間的化學連接性。作者使用RDKit中實現(xiàn)的類似于Daylight的指紋算法將每種聚合物轉(zhuǎn)變?yōu)槎M制的“指紋”。這種基于拓撲的方法分析了包含一定鍵數(shù)量分子的各個片段，然后對每個片段進行散列處理以生成二進制指紋，該指紋可計算地表示該分子。
通過檢查高于CO2/CH4上限的材料及其共同特征，能夠洞悉哪些物理量對提高氣體滲透性和選擇性至關(guān)重要。在數(shù)據(jù)集中的11,325種聚合物中，多硫化物僅占7.00％；但是，它們占越過CO2/CH4上限聚合物的大部分（53.00％）。此外，在突破上限的小組中，聚砜（總計5.30％，18.00％超過上限）和聚酰亞胺（總計17.65％，35.00％超過上限）所占的百分比更大。芳香族聚醚占總預測數(shù)據(jù)集的30.78％，但僅占突破上限的21.00％。通過創(chuàng)建二維直方圖來進一步分析打破上限的聚合物。發(fā)現(xiàn)18.00％屬于聚砜和聚酰亞胺類別，并且17.00％屬于聚砜和聚醚類別。因此在這種情況下，含硫基團，沿主鏈有氧原子或氮環(huán)的材料表現(xiàn)最佳。
作者合成了P432095和P432092這兩種聚合物，并測試了它們的CO2/CH4傳輸性能，以實驗驗證ML數(shù)據(jù)。通過刮刀將合成的聚合物從溶液中澆鑄成薄膜（≈30μm），并使用恒定體積/可變壓力實驗技術(shù)進行測試。如ML模型所預測的，聚合物超過了該氣體對的2008 Robeson上限，并且在相同的滲透率值下，P432092和P432095的選擇性分別約為上限的7倍和5.5倍。此外還發(fā)現(xiàn)實驗數(shù)據(jù)點和預測數(shù)據(jù)點彼此之間具有相對較好的一致性，這表明ML模型可以用作識別未開發(fā)的聚合物進行氣體分離的預測工具。
當前使用的ML算法僅針對已經(jīng)合成的聚合物進行測試。一種更好的方法是在算法中包括聚合物體系結(jié)構(gòu)，然后施加“可合成性”約束作為選擇聚合物進行進一步研究的手段。這種方法對于預測具有合成價值的新聚合物十分重要。
