Исследователи из Токийского института науки, Института статистической математики и других учреждений разработали метод машинного обучения, который с точностью 96% предсказывает жидкокристаллическую структуру полимеров. Они проанализировали более 115 000 полиимидов и выбрали шесть кандидатов с высокой вероятностью проявления жидкокристаллических свойств. После успешного синтеза и экспериментального анализа эти жидкокристаллические полиимиды продемонстрировали теплопроводность до 1,26 Вт/м·К, что ускоряет открытие эффективных тепловых материалов для электроники нового поколения.
Поиск новых полимерных материалов
Создание новых полимерных материалов, которые могут эффективно рассеивать тепло, сохраняя при этом высокую надёжность, является одной из самых больших задач в современной электронике. Одним из перспективных решений являются жидкокристаллические полиимиды — особый класс полимеров, молекулы которых естественным образом выстраиваются в высокоупорядоченные структуры.
Эти упорядоченные цепи создают пути для потока тепла, что делает жидкокристаллические полиимиды весьма привлекательными для управления тепловыми режимами в полупроводниках, гибких дисплеях и устройствах нового поколения. Однако разработка этих полимеров долгое время основывалась на методе проб и ошибок, поскольку у исследователей не было чётких правил проектирования, позволяющих предсказать, будет ли полимер образовывать жидкокристаллическую фазу.
Прорыв в области машинного обучения
В прорывном исследовании учёные из Токийского института науки (Science Tokyo), Института статистической математики (ISM) и других учреждений Японии разработали модель машинного обучения, которая может успешно предсказывать, какие структуры полиимида будут образовывать жидкокристаллические фазы. Это стало первым в мире примером в области исследований полимерных материалов.
Команда успешно синтезировала эти полимеры, подтвердив, что они образуют смектические жидкокристаллические фазы и демонстрируют теплопроводность в плоскости, значительно превышающую теплопроводность обычных полиимидов.
Исследование опубликовано в журнале
Исследование, которое знаменует собой значительный шаг вперёд в области проектирования полимеров на основе данных, было опубликовано онлайн в журнале npj Computational Materials 2 июля 2025 года. Его возглавляла профессор Джунко Морикава (Science Tokyo) в качестве главного исследователя, а профессора Тэруаки Хаякава (Science Tokyo) и Рё Ёсида (ISM) были ключевыми соавторами. Проект в основном возглавляли доцент Стивен Ву (ISM) и аспиранты Хаято Маэда и Сиори Накагава (Science Tokyo).
«Это исследование знаменует важный шаг вперёд в использовании машинного обучения для разработки полимеров, показывая, что оно может успешно идентифицировать жидкокристаллические полимеры с высокой теплопроводностью», — объясняет Хаякава.
Модель, разработанная группой Ёсиды, функционирует как бинарный классификатор: заданная химическая структура полимера, она предсказывает, будет ли полимер образовывать упорядоченное жидкокристаллическое состояние или нет, достигая впечатляющей точности классификации в 96%.
Для обучения модели исследователи использовали PoLyInfo — обширную базу данных свойств полимеров из Национального института материаловедения, которая включает 951 полимер, подтверждённый как образующий жидкокристаллические фазы, и 3597 немаркированных полимеров. На основе этих данных модель научилась распознавать химические, физические и структурные свойства, которые позволяют полимеру самоорганизовываться в упорядоченную фазу.
Команда использовала модель для поиска желаемых жидкокристаллических свойств в полиимидах — семействе высокоэффективных пластмасс, известных своей устойчивостью к высоким температурам и использованием в качестве изоляционных материалов в электронике и аэрокосмической промышленности.
Исследование проводилось Токийским институтом науки